- بستۀ داده با فرهنگ و کنترل کیفیت مستند.
- شرح روش تولید، اعتبارسنجی و محدودیت.
- سند دسترسی، نسخه و مثال بازاستفاده.
مقالۀ داده چه ادعایی دارد؟
هدف مقالۀ داده توضیح ارزش، منشأ، کیفیت و امکان استفادۀ مجدد از یک مجموعۀ داده است. Data Descriptor در Scientific Data را با مقالۀ آزمون فرضیه اشتباه نگیرید. دستور جاری مجله ساختار و نوع فایل مورد نیاز را تعیین می‌کند.
شرح خوب به پژوهشگر دیگری امکان می‌دهد بفهمد هر رکورد چگونه ایجاد شد و کجا محدود است. بزرگ‌بودن فایل، مجوز باز یا داشتن DOI به تنهایی کیفیت اندازه‌گیری را ثابت نمی‌کند.
از پرسش بازاستفاده به طراحی رکورد
سناریوی آموزشی: داده ساختگی مطالعه دانشجو با ساعت مطالعه، نمره پایه و نمرۀ نهایی. استفاده مجاز مثال، یادگیری تحلیل است؛ این داده برای نتیجه‌گیری درباره دانشجویان واقعی اعتبار ندارد. برای داده واقعی، جمعیت، نمونه‌گیری، زمان و ابزار را شرح دهید.
فرهنگ متغیر باید نام، تعریف، نوع، واحد، دامنه، کد گمشده و منشأ را مشخص کند. خام و مشتق را جدا نگه دارید. یک کلید پیوند پایدار و قانونی تعریف کنید؛ شناسه شخصی را در مخزن عمومی نگذارید.
اعتبارسنجی فنی با مدرک
برای مثال، کد باید تعداد رکورد، یکتایی شناسه، حدود نمره، مقادیر گمشده و ناسازگاری‌ها را بررسی و گزارش ذخیره کند. کیفیت ابزار و خطای اندازه‌گیری با این کنترل‌های قالبی برابر نیست؛ آن‌ها مستندات جدا می‌خواهند.
گزارش معتبر می‌گوید چه آزمون اجرا شد، چند مورد شکست خورد، چه اقدامی انجام شد و چه محدودیتی باقی ماند. جملۀ «داده کاملاً پاک است» بدون مدرک، جای Technical Validation را نمی‌گیرد.
مخزن، حقوق و دسترسی
فایل داده، README، فرهنگ، کد کنترل، مجوز و فایل نسخۀ مشخص را در مخزن مناسب قرار دهید و پیوند پایدار بدهید. اگر رضایت یا قرارداد انتشار عمومی را مجاز نمی‌داند، سازوکار دسترسی کنترل‌شده و متاداده عمومی مناسب را توضیح دهید.
FAIR مساوی انتشار آزاد هر داده نیست. حذف نام همیشه ناشناس‌سازی کافی نیست. پیش از انتشار، ترکیب متغیرها، گروه کوچک، مکان و خطر بازشناسایی را طبق تصمیم اخلاقی پروژه ارزیابی کنید.
راهنمای مصرف و مرز نتیجه
یک مثال بارگذاری، تبدیل واحد، انتخاب رکورد و بازتولید یک جدول توصیفی ارائه دهید. نتیجۀ آن را کنار خروجی انتظاررفته بگذارید تا مصرف‌کننده بتواند نصب و اجرا را کنترل کند.
نسخه، هش فایل، وابستگی کد و محدودیت نمایندگی نمونه را ثبت کنید. یافته تازه‌ای که نیازمند آزمون فرضیه است را در قالب مناسب دیگر مطرح کنید؛ مقاله داده نباید کیفیت داده را با معنی‌داری یک نتیجه توجیه کند.
نمونۀ تکمیل‌شده برای تمرین
این پرونده فرضی است؛ داده، داوری یا پذیرش واقعی را گزارش نمی‌کند. اعداد فقط برای توضیح تصمیم‌اند.
| تصمیم یا سند | نمونۀ آموزشی | کاری که برای پروژه خود انجام می‌دهید |
|---|---|---|
| رکورد | ۱۲ رکورد کاملاً ساختگی برای تمرین | منشأ، جمعیت و نمونه واقعی را ثبت کنید. |
| فرهنگ | study_hours با واحد ساعت | تعریف، دامنه و گمشده را بنویسید. |
| کنترل | شناسه یکتا و نمره در بازه ۰ تا ۱۰۰ | گزارش شکست و اقدام را ذخیره کنید. |
| دسترسی | مثال ساختگی قابل اشتراک | اجازۀ واقعی و ریسک بازشناسایی را بررسی کنید. |
| بازاستفاده | جدول میانگین از نسخۀ مشخص | خروجی انتظاررفته و محدودیت را بنویسید. |
خروجی و معیار پایان کار
- بستۀ داده با فرهنگ و کنترل کیفیت مستند.
- شرح روش تولید، اعتبارسنجی و محدودیت.
- سند دسترسی، نسخه و مثال بازاستفاده.
مرجعِ نسخه و دامنه: Scientific Data — Current submission guidelines · Scientific Data — Guide to referees
منابع و مطالعه بیشتر
منابع رسمی برای بررسی و مطالعه بیشتر
- Scientific Data — Current submission guidelines تطبیق منبع: 2026-10-06
- Scientific Data — Guide to referees تطبیق منبع: 2026-10-06
- Wilkinson et al. — The FAIR Guiding Principles (2016)
- MIT Libraries — Write a data management plan