对既有实践经验的总结可以为后续研究和实践发展提供借鉴，国内外诸多学者着眼于对既有科学数据元数据标准的调查分析，以挖掘其所体现的功能需求特征和存在问题。胡芳^[5]从功能目标、元数据元素、元数据方案特点3个维度分析DataCite、GBIF、DataStaR和OTA等4个科学数据仓储的元数据方案，发现其功能目标的共同点都是促进领域内科学数据的共享与利用，并进一步指出我国科学数据仓储元数据方案的制定需要考虑定位功能、现有元数据标准和框架以及从用户需求角度进行元数据方案评估。Craig Willis等^[6]选取物理、生命和社会科学等学科领域的9个科学数据元数据方案，结合Greenberg的MODAL模型，对每种科学数据元数据方案的技术要求、用户记录和相关期刊文章进行定量和定性分析，进而揭示抽象性、可扩展性、灵活性、模块性、全面性和充分性等11个支持科学数据共享的科学数据元数据目标。

现有研究中，部分学者通过对科学数据的资源特征进行分析，归纳总结相应的元数据功能需求以完善元数据标准。例如，曹代勇^[7]指出煤地质数据除具备地学数据的共性外，在内容、来源、获得方式、数据类型、表现形式和采用标准8个方面均具有多样性体征，并结合具体应用目标进一步从内容和功能两方面对煤地质学元数据标准构建方案进行设计。除此之外，部分组织机构在科学数据管理计划具体实践中对科学数据元数据功能需求进行约束。例如，EUL：Digital Library Program Project对日期、字符串与URL、相关资料、标准标识符的输入提出相关功能要求^[8]。美国国家航空航天局（National Aeronautics and Space Administration，NASA）《系统功能手册》中相关技术需求定义的元数据功能需求定义列出明确内涵，以保证定义具备完整性、唯一性、易于理解、满足利益相关者需求并具备可行性和可验证性^[9]。美国铁山公司（Iron Mountain Incorporated，IRM）明确元数据的最小标签应能够定位、明确数据所有权、明确法律权限、识别已完成的记录、实现和使用数据分析5个功能^[10]。

在既有研究中存在以科研人员及其所从事的科学研究需求为出发点，对科学数据元数据功能需求进行考察。例如，储节旺^[11]基于基因组学研究人员的元数据功能需求归纳出结构需求、内容需求、关联需求和使用需求4个维度，并提出国内生物医学数据库可以从数据结构优化、数据质量控制、丰富研究条目和分类汇总链接4个方面满足上述需求以提高生物医学数据开放水平。Hong Huang等^[12]对156名基因领域科研人员进行功能需求排名调查，发现其功能需求中，可移植性算术平均数最高，其次是可重用性、可操作性、充分性、互操作性和模块化。Felicitas Loffler等^[13]通过对生物领域检索系统中用户信息需求及科学数据的分析，并指出环境、材料、有机体、过程和位置5个类别的信息能够更好地满足用户的检索需求。Jihyun Kim等^[14]对考古学、定量社会科学和动物学中20个存储库的数据存储需求，指出科学数据存储库需要足够详细、规范、连续的描述性元数据，以满足科研人员对数据重用性和互操作性的需求。

既有研究中，部分科研人员通过对科学研究和学术交流体系进行分析，通过探究科学数据元数据的功能需求，以进一步完善科学数据元数据标准的构建，帮助科研人员科学研究的顺利推进。例如，Ted Habermann^[15]从生命周期研究视角对有关项目、收集站点和数据集的元数据进行分析，以证明在整个数据生命周期中创建元数据链接满足访问需求和重用需求的重要性。Will James Gregg等^[16]在其探讨元数据交流过程中的问题时指出，以长期保存为目的的存储数据库需要文件清单、文献格式、文件结构、版本信息等元数据元素对数据进行规范，以更好适应科研人员获取需求。

综上所述，当前有关科学数据元数据功能需求的探索多从现有标准、方案、数据特征、科研活动等出发，考虑不同学科的数据功能需求、科研人员实践需求，从不同研究视角或体系进行探究。但是，从学术研究和学术交流体系的宏观视角探索科学数据元数据功能需求的研究较少，本文认为通过分析科研人员研究过程宏观把握其信息行为，能够发现通过科研人员科学数据元数据功能的共同需求。因此，本文以半结构化访谈为数据获取方式，以扎根理论为数据分析方法，以信息行为理论为模型构建依据，开展面向科研人员的科学数据元数据功能需求的探索性研究，以期为科学数据元数据标准的功能元素设计提供参考。

扎根理论是一种质性研究方法，以经验材料为基础，通过自下而上的方式建立实质性理论。将收集到的材料进行开放式编码、主轴编码、选择性编码三个层次的编码构建初步理论，再将其带到原始材料和实际情景中进行理论饱和度检验，以修正和完善建构理论，形成相应的思想和概念^[17-18]。由于学科性质及研究特点不同，科研人员对科学数据元数据的功能需求较难使用量化方法得出所需结论，而使用扎根理论则可以针对具体情境下的某一问题进行分析、归纳、总结，进而建立新的理论体系。因此，本研究基于此质性研究方法，利用半结构化访谈、三级编码及模型构建展开研究。

信息行为的定义不同研究人员有不同的理解，张国海等认为“信息行为是在动机支配下，用户为了达到某一特定目标的行动过程”^[19]。Wilson T D提出“信息行为是指与信息资源和信息渠道有关的人类行为，既包括主动的或被动的信息查询行为和信息利用行为，又包括面对面的与他人的交流”^[20]。胡昌平认为“用户的信息行为按过程的不同和活动的区别，可以分为信息需求的认识与表达行为、信息查寻行为、信息交流行为、文献与非文献信息感知行为、信息选择行为、信息吸收行为、信息创造行为等”^[21]。综上，本文认为信息行为是人们为了满足在日常生活、学习、工作过程中产生的信息需求而进行的信息查询、信息筛选、信息交流、信息内化、信息利用等一系列连贯的活动。数据是信息的一种表现形式，数据经过整合处理后转化为信息，即信息是数据加工组织的结果。科学数据行为是科研人员在具体研究实践中的典型信息行为，本文将其解释为根据具体研究需求对科学数据进行查询、筛选、交流、内化、利用等一系列连贯的活动。

信息生命周期依托生命周期理论建立，通常指信息从生成到组织加工直至消亡的全过程，是对信息资源生长变化规律的一种描述。信息资源管理专家霍顿和马钱德提出信息生命周期管理的概念，将其分为信息创建、信息采集、信息组织、信息开发、信息利用、信息清理6个阶段^[22]，其划分与科研人员具体信息行为存在交叉重合。在信息生命周期理论中，信息的价值会随时间的变化不断递减^[23]，进而影响生命周期长度。在信息行为理论中，信息行为主体也会受信息价值影响做出不同的行为判断。因此，本文在借助信息行为理论的同时，借鉴信息生命周期理论的相关内容展开研究。

科研人员对于科学数据元数据的功能需求受职称、所在学科、数据获取途径及目的等多方面的影响而体现出差异。为确保访谈资料的全面性和丰富性，需要根据典型性和多样性的准则筛选受访谈对象，以使通过扎根理论得出的研究结论合理性及可信性。因而访谈对象的选择遵循以下原则：①受访对象在学习科研过程中以数据作为辅助工具；②受访对象应当男女比例适中，在所在学科领域、学历等统计特征上具有一定差异性。

在研究过程中共邀请30位受访者参与访谈，为保证访谈内容的全面性和深入性，每次访谈时长大约在45分钟以上，并在征得受访对象同意后全程记录并备份访谈记录，并预留5份访谈材料，用于编码后的理论饱和度检验。访谈对象以在读研究生及教师为主体，访谈对象所属学科涉及管理学、工学、医学、理学、农学等多个学科领域。本次访谈对象的相关统计信息见表1。

研究采用半结构化访谈的形式进行原始材料的获取。访谈过程中根据受访对象的表达，利用不同角度的问题调动受访对象参与的积极性和主动性，与此同时，需要对访谈的结构加以控制，使得访谈围绕在访谈主题周围，保证访谈内容不会发生偏移。研究之前拟定访谈提纲，有利于在访谈过程中对受访对象进行灵活提问，访谈提纲见表2。由于不同专业受访者对科学数据元数据、元数据元素功能需求等名词的认识程度不同，提纲设计主要从被调查者的科学数据信息行为入手，侧面了解其对科学数据元数据元素功能的需求。

开放式编码又称为开放式登录，是在研究的前期阶段，研究人员通过比较的方式将所有的资料按照其本身所呈现的状态进行登录的过程。即将收集的资料分析并对无结构的语句赋予概念，再通过新的方式重新组合起来，形成更概括性的范畴^[24]。本次编码过程得到28个有效概念，9个初始范畴，见表3所示。

主轴编码又称为关联式登录或者轴心登录，其在开放式编码所得概念范畴的基础上，根据原始访谈材料的文本进一步分析。主要是发现和建立概念之间的相互联系，从初始范畴中找出主范畴，将访谈资料中各个部分之间的逻辑关系表示出来^[25]。开放式编码得出的9个有效范畴在本研究中可以视为科学数据元数据元素的几个功能类型，并对其进行分析、归纳，得出9个有效范畴所属的5类支撑作用，分别是数据价值功能、数据描述功能、数据关联功能、数据定位功能和数据重用功能，如表4所示。

鉴于信息是数据加工组织的结果，科学数据行为是科研人员在具体研究实践中的典型信息行为。据此，结合前文科学数据行为内容及扎根理论所得功能需求，构建科研人员科学数据元数据功能需求模型（见图1），以进一步了解科研人员学习研究过程中不同阶段的功能需求。

研究需求是科研人员产生信息行为的直接动力，能够反映出科学数据价值的个体差异性及对具体操作结果的心理预期，是科学数据查询、筛选、交流、共享和利用活动的主要依据。科学数据查询需要科学数据描述功能、定位功能和关联功能的支撑。以都柏林核心元数据（Dublin Core，DC）为例，其Subject、Keywords、Publisher、Contributor、Source、Relation等元素以及与其他元数据的映射关系等可以很好地帮助科研人员对科学数据进行查询。科学数据筛选过程的主要依据是科学数据的价值功能，可以理解为科研人员对所查询结果是否满足自身需求的判断，比如很多元数据标准中的Publish Year、Size、Format、Language、Right等元素，能够为科研人员的价值判断提供依据。科学数据交流过程需要科学数据描述功能、关联功能和价值功能做支撑，尤其是数据描述功能是科研人员交流过程中最主要的需求，如生物学领域Darwin Core利用measurement ID、measurement Remarks、measurement Type、measurement Unit等元素对测量过程进行深入细致的描述，物理科学领域的AVM标准使用Facility元素对实验过程中使用的工具展开描述，这些数据描述在一定程度上能够保证科学数据交流过程的顺利推进。科学数据内化是指将获取的数据理解吸收，作为自己理论知识体系的一部分以更好地指导实践。该过程需要科学数据价值功能、描述功能、关联功能和重用功能的支持，其中科学数据重用是该阶段最主要的功能需求，依据齐夫最小努力原则^[27]，格式语言等能够满足科研人员科学数据使用需求的科学数据更容易被重用，因此，大多数元数据标准中的Format、Language、Subject、Resource Type等元数据元素是重要的辨别依据。科学数据利用过程是科研人员信息行为的最终过程，是科学数据价值的体现，需要科学数据重用功能、价值功能、描述功能做支撑。该过程也是科研人员科学数据行为的最终目的，是科学数据价值的体现。在数据利用过程中，科研人员可能会出现新的科学数据需求，进一步指导、应用于实践。科研人员的信息行为过程涉及对数据完整性、数据上下文信息以及数据关联信息的描述，生成与保存过程中数据/文件格式的兼容性，检索获取利用过程中数据的定位、选择等。虽然不同学科领域科研人员对于数据的需求不同，但是其行为过程需要科学数据元数据提供数据获取方法和途径，特别是可理解的知识组织语言。

科研人员信息行为的具体实践，是设计科学数据元数据至关重要的出发点，也是科研人员认识科学数据元数据及其元素最直接和最有效的方式。科研人员的需求可映射科学数据元数据的功能，因此，科学数据元数据的设计应当满足科研人员科研过程的需要内容和功能框架。例如，在DCAT（Data Catalog Vocabulary）的修订过程中，W3C（World Wide Web Consortium）集结Schema.org数据集社区、RDF Data Shapes工作组、国际化工作组和Web应用安全工作组等，以及W3C的欧盟ISA（International Society of Automation）项目组、RDA（Research Data Alliance）社区及生物医学社区bioCADDIE的元数据工作组等多个领域的元数据工作组，以使DCAT修订版能够更好与地球观测、生命科学、地理信息、数字出版和统计学等学科进行融合^[28]。这样多社区、多学科参与的元数据标准构建方式能够满足科研人员不同学科、不同角度的元数据需求，使得元素设置兼顾全面性、简洁性和实用性。

在功能框架下，对科学数据元数据中基于内容特征描述的各元素进行相关语义、语用、语法等多角度关联关系的发现和挖掘，以满足不同知识背景科研人员的跨学科、跨数据库检索、获取需求。除此之外，科学数据资源本身格式丰富，结构差异较大，可以通过元数据元素之间的相等关系、相关关系等做可视化处理，通过两两映射、中间语言映射等方式提高元素之间的互操作性，以帮助科研人员更加便捷、准确地获取所需要的科学数据资源。而对于那些更新速度快、变化频繁的科学数据资源，需要通过科学数据元数据监测实时动态，以便满足科研人员提醒功能的需求。

依据信息行为理论构建的科研人员科学数据功能需求模型，能够反映科研人员在科研学习中科学数据的获取流程。不同学科领域科研人员的知识背景和具体信息获取需求不同，但是数据获取行为过程是大致相似的。科学数据元数据元素的设计应当考虑科研人员环环相扣的数据获取行为过程，通过对不同环节科研人员信息行为进行深度剖析，提高每一个环节元素的细粒度，从不同角度满足科研人员的数据获取需求。数据基本信息、数据背景信息、数据研究信息等三类元素是获取科学数据的关键。除了科研人员多次提及的生成时间、作者、使用权限、数据生成条件、数据生成环境、研究手段、研究工具以及研究方法，还应当设计数据大小、机构名称、项目名称、存储条件等元素帮助科研人员更加快捷、精准地定位科学数据。

除此之外，不同的信息行为对科学数据形式和类型等有不同的需求。因此，科学数据元数据的数据形式元素设计，除考虑原始数据、过程数据、数字数据、软件代码数据、表格数据和文本数据外，还应设置结果数据、音视频数据、地理信息数据、生物信息数据等，尽可能涵盖大多数数据形式。在数据类型上，除调查数据、统计数据、计算数据、实验数据外，还应当进一步设置测绘数据、仿真数据、预测数据等，用以满足部分小众研究方向科研人员的数据获取需求。

数据生命周期是数据从形成、收集、加工、存储、传播、检索、应用，到数据消失或不再被利用的过程^[29]。科研人员的信息行为过程中蕴含着数据生命周期的收集、加工、存储、传播、检索和应用等阶段，科学数据是动态的，信息行为过程中的某一阶段可能存在多个数据生命周期阶段。因此，要对科学数据元数据进行规范和约束，特别是科学数据的所有权信息和授权信息。科研人员在科学数据交流共享之前应当明确相关数据在他人研究过程中的使用权限。数据仓储在接受科研人员上传科学数据的过程中，应当要求科研人员提供联系方式，签订相关科学数据授权责任书，并按照数据仓储中科学数据元数据的格式调整其元数据格式。权威机构、组织和政府在整个数据生命周期过程中应当充分发挥积极的调节作用。例如，通过公告书、倡议书以及相关出版物对科学数据检索、获取、公开等过程中元数据的描述规范和约束进行普及和宣传。必要时，可以通过制定法律法规，对科研人员不同的科学数据操作行为进行规范。

与此同时，对于消失或者不能再被利用的科学数据，数据仓储及相关平台应及时对科学数据中有关使用权限的元素内容进行调整，帮助科研人员顺利开展研究活动。对相关科学数据所有权信息进行销匿，尊重数据所有者的信息隐私权利。而对于那些已经使用这类数据进行研究并公开研究成果的项目，有关单位和部门要对该项目的科学性、合理性及规范性等进行核实。并明确这类数据的引用、操作规范，对与其存在关联关系的科学数据元数据元素之间的互操作性进行限制和约束。以从不同方面保证科研成果在数据生命周期中的可用性和重用性。