Evaluation and Analysis of Data Volume Index Coupled with Heterogeneity in Scientific Data Centers

doi:10.11871/jfdc.issn.2096-742X.2024.02.014

Abstract

Abstract:

[Objective] Data volume is an important index to measure the resource integration and service capability of scientific data centers. However, due to the different disciplines, levels, subordinate systems, construction time, and other backgrounds of scientific data centers, it is obviously unfair to directly compare data volume among data centers. [Methods] Based on the data resources volume collected by scientific data centers and the related science data centers heterogeneity factors data with the help of public service platforms such as “China Science and Technology Resource Sharing Net” and “Science Data Center of CAS”, this article realizes the quantification of heterogeneous factors and analysis of their impact on the data volume by using dummy variables and correlation analysis. The data volume panel model coupled with the heterogeneity of scientific data centers was constructed by using hypothesis testing, the least square virtual variable method, and other statistical methods. [Results] The proposed model eliminates the difference of data volume index caused by the heterogeneity of scientific data centers and realizes the horizontal differential comparative study of data volume among various types of scientific data centers. [Conclusions] The heterogeneous adjustment method for the data volume of scientific data centers is proposed for the first time in this study, which has important references for systematic and scientific evaluation of scientific data centers.

Key words: scientific data centers, heterogeneity, data volume, panel data model, least squares virtual variables

GAO Mengxu, WANG Yueyue, WU Xinqian, CHEN Zugang, SHI Lei, WANG Ruidan. Evaluation and Analysis of Data Volume Index Coupled with Heterogeneity in Scientific Data Centers[J]. Frontiers of Data and Computing, 2024, 6(2): 156-164, https://cstr.cn/32002.14.jfdc.CN10-1649/TP.2024.02.014.

Figures/Tables 10

Fig.1

Table 1

Variable definitions and descriptive statistics"

变量	名称	均值	标准差	最大值	最小值
$l g P$	数据总量的对数	5.2004	1.3652	7.6246	-0.3429
$L$	级别	3.7885	0.7162	4	1
$t$	评价年份	2019.5192	1.5253	2022	2017
$M$	成熟度	11.25	6.7564	20	1
$U$	隶属系统	2.9231	0.3846	3	1

Table 1

Fig.2

Table 2

Table 3

Table 4

Model estimation junction"

变量	系数	标准误	t值	p值
常数	-3.083245	0.5790558	-5.32	0.000
$S 1$	3.439222	0.3261825	10.54	0.000
$S 2$	1.064083	0.3434675	3.10	0.004
$S 3$	3.46812	0.3506646	9.89	0.000
$S 4$	1.304482	0.3543186	3.68	0.001
$S 5$	1.47223	0.3786258	3.89	0.000
$S 6$	3.487124	0.296124	11.78	0.000
$S 7$	1.559732	0.3553555	4.39	0.000
$S 8$	2.122964	0.3485233	6.09	0.000
$S 9$	1.738745	0.3577686	4.86	0.000
$S 10$	5.605921	0.3506646	15.99	0.000
$L$	0.7438592	0. 100897	7.37	0.000
$M$	0.1479166	0.021104	7.01	0.000
$U$	0.5511293	0.205978	2.68	0.011

Table 4

Table 5

lgP、X and rankings of scientific data centers in 2019"

科学数据中心	$l g P$	排名	$X$	排名
科学数据中心1	7.2531	1	0.8989	6
科学数据中心2	6.3308	2	0.9995	4
科学数据中心3	5.8529	3	1.1323	3
科学数据中心4	5.7093	4	1.7093	1
科学数据中心5	5.6706	5	0.9780	5
科学数据中心6	5.1091	6	0.7805	7
科学数据中心7	5.0571	7	0.3847	10
科学数据中心8	5.0043	8	1.4994	2
科学数据中心9	5.0043	8	0.6962	8
科学数据中心10	4.9139	9	0.6041	9
科学数据中心11	1.1959	10	0.0579	11

Table 5

Table 6

lgP、X and rankings of scientific data centers in 2020"

科学数据中心	$l g P$	排名	$X$	排名
科学数据中心1	7.4643	1	1.0398	5
科学数据中心2	6.3510	2	0.7448	7
科学数据中心3	5.9210	3	0.9422	6
科学数据中心4	5.7754	4	1.4160	3
科学数据中心5	5.6995	5	0.7434	8
科学数据中心6	5.2357	8	0.7431	9
科学数据中心7	5.4401	6	0.6609	10
科学数据中心8	5.3802	7	2.5344	2
科学数据中心9	5.3802	7	1.1767	4
科学数据中心10	5.0534	9	0.5926	11
科学数据中心11	3.2571	10	4.7431	1

Table 6

Table 7

lgP、X and rankings of scientific data centers in 2021"

科学数据中心	$l g P$	排名	$X$	排名
科学数据中心1	7.6246	1	1.0699	8
科学数据中心2	6.3625	3	0.5440	11
科学数据中心3	6.3804	2	1.9306	3
科学数据中心4	5.9675	5	1.5676	5
科学数据中心5	5.7664	6	0.6170	9
科学数据中心6	5.6145	7	1.2647	6
科学数据中心7	6.0493	4	1.9121	4
科学数据中心8	5.5441	8	2.6292	2
科学数据中心9	5.5441	8	0.6962	8
科学数据中心10	5.1704	9	0.5519	10
科学数据中心11	3.2900	10	3.6402	1

Table 7

Fig.3

References 19

[1]	高孟绪, 王瑞丹, 王超, 等. 关于国家科学数据中心建设与发展的思考[J]. 农业大数据学报, 2019, 1(3): 21-27.
[2]	王瑞丹, 陈祖刚, 石蕾, 等. 复杂场景下科学数据中心运行状况评价模型研究[J]. 中国科技资源导刊, 2022, 54(2): 27-34, 64.
[3]	黄铭瑞, 李国庆, 李静, 等. 国家科学数据中心管理模式的国际对比研究[J]. 农业大数据学报, 2019, 1(4): 14-29.
[4]	DONG C, ZHAO W, TU Y. Research on scientific data sharing organization performance evaluation[J]. Forum on Science and Technology in China, 2007, 36(8): 74-78.
[5]	王琼辉, 刘杰. 上海研发公共服务平台绩效的AHP评价指标体系研究[J]. 上海商学院学报, 2009, 40(1): 87-89.
[6]	科技部. 关于开展国家科技基础条件平台认定和绩效考核工作的通知[EB/OL].[2017-09-01]. http://www.most.gov.cn/tztg/201108/t20110805_88849.htm.
[7]	朱艳华, 孙黎然, 胡良霖, 等. 科技数据管理与共享服务效果评价研究探索[J]. 中国科技资源导刊, 2013, 45(4): 12-17.
[8]	SI L, LI Y T, ZHUANG X Z, et al. An empirical study on the performance evaluation of scientific data sharing platforms in China[J]. Library Hi Tech, 2015, 33(2): 211-229. doi: 10.1108/LHT-09-2014-0093
[9]	周宇, 廖思琴, 阮莉萍, 等. 数据监护平台评价指标体系构建与测定研究[J]. 图书馆学研究, 2017, 396(1): 35-42.
[10]	李赞梅, 胡志民, 孙海霞, 等. 国家人口与健康科学数据共享平台资源综合评价指标构建研究[J]. 中国数字医学, 2018, 13(3): 2-4.
[11]	刘桂锋, 张裕, 刘琼. 科研数据开放平台评价指标体系构建及案例研究[J]. 图书情报知识, 2019, 187(1): 21-31.
[12]	陈国宏, 李美娟, 陈衍泰. 组合评价及其计算计算机集成系统研究[M]. 北京: 清华大学出版社, 2007.
[13]	郭亚军, 易平涛. 线性无量纲化方法的性质分析[J]. 统计研究, 2008, 196(2): 93-100.
[14]	韩明彩. 期刊综合评价指标标准化方法研究: 价值评估法——以图书情报学期刊为例[J]. 情报理论与实践, 2012, 35(10): 30-32.
[15]	朱喜安, 魏国栋. 熵值法中无量纲化方法优良标准的探讨[J]. 统计与决策, 2015, 422(2): 12-15.
[16]	刘学之, 杨泽宇, 沈凤武, 等. 基于S型曲线的指标非线性标准化研究[J]. 统计与信息论坛, 2018, 33(2): 17-21.
[17]	周娟美, 郭强华, 王作功, 等. 科技评价指标值与评价属性背离及修正研究——基于多属性评价视角[J]. 图书情报工作, 2018, 62(22): 100-108. doi: 10.13266/j.issn.0252-3116.2018.22.012
[18]	李伟伟, 易平涛, 李玲玉. 综合评价中异常值的识别及无量纲化处理方法[J]. 运筹与管理, 2018, 27(4): 173-178. doi: 10.12005/orms.2018.0099
[19]	徐林明, 李美娟. 动态综合评价中的数据预处理方法研究[J]. 中国管理科学, 2020, 28(1): 162-169.

检验类型		统计量	p值
F检验	个体因素	29.33	0.0000
F检验	时间因素	0.88	0.5019
Hausman检验		13.51	0.0037