A New Approach to Data-Intensive Research Support: Computational Methods & Data at Yale University

Summary

本视频讨论了关于学术研究和数据管理的几个关键问题，特别是在图书馆和计算资源的使用方面。Rebecca强调了如何平衡学科专业知识与跨学科方法，以及如何确保公平的数据访问。她提到通过培训、开源数据和与小型机构的合作，提升资源共享和支持的有效性。数据治理、伦理问题，尤其是如何处理原住民数据，也被提及。此外，Rebecca分享了推动公平和创新的具体举措，包括为第一代大学生提供实习机会，推动开放数据政策等。

Takeaways

• 😀 数据使用协议的限制日益严格，需要确保合规使用数据。
• 😀 研究人员对计算资源的需求多样，尤其是人文学科领域，可能需要更合适的计算环境。
• 😀 为学生和研究人员提供如何设计数据驱动的研究项目的培训是非常重要的。
• 😀 研究数据的存储和治理是一个全员责任，需要与中央IT部门紧密合作。
• 😀 Yale正在积极推动开放数据访问和共享，确保研究数据能为全球科研社区所用。
• 😀 针对第一代大学生和较小的学术机构开展实习项目，促进资源共享。
• 😀 重视跨学科技术的横向应用，如基因组学方法与文本分析技术的结合。
• 😀 需要找到在学科专长与跨领域技术应用之间的平衡，既尊重专业领域的知识，也推动共享方法的广泛应用。
• 😀 强调在所有研究合作中融入伦理思考，尤其是在对待土著数据时。
• 😀 正在探索与更广泛的学术界合作，以确保Yale的研究成果惠及更广泛的社区，提升社会影响力。

Q & A

什么是耶鲁大学计算方法与数据部门的核心目标？

耶鲁大学的计算方法与数据部门旨在通过整合图书馆现有资源，为研究人员提供数据管理和计算支持，特别是针对大数据和计算密集型研究需求。该部门致力于为多样化的研究需求提供技术支持，包括数据存储、分析方法以及跨学科协作。

这个部门面临的最大挑战是什么？

该部门面临的主要挑战之一是如何平衡学科专业性与跨学科的方法。例如，虽然一些技术和方法具有广泛适用性，但也必须尊重学科特定的需求和语言。此外，如何有效管理和提供对大型数据集的访问也是一个重要的难题。

在此部门工作的人员主要来自哪些背景？

该部门的工作人员包括数据科学家、地理空间支持专家、统计学支持人员以及数字人文学科专家。他们的背景涵盖了生物学、信息技术、社会科学、数字人文学科等领域，目的是通过多学科合作为研究人员提供服务。

数据密集型社会科学中心（DISC）在计算方法与数据部门中的作用是什么？

数据密集型社会科学中心与计算方法与数据部门合作，共同管理和托管耶鲁大学的Dataverse数据集。这个合作项目主要致力于数据管理、共享和数据集的长期保存，同时支持社会科学领域的研究人员解决数据存储、访问和合规性问题。

该部门如何帮助研究人员处理数据管理问题？

该部门通过提供研究咨询、工作坊、定制软件支持以及地理空间和统计方法的专家支持，帮助研究人员解决数据管理中的难题。工作人员还为研究人员提供高性能计算资源、软件工具和跨部门的资源导航，以帮助他们更高效地处理和分析数据。

如何看待“数据”一词对于不同领域研究人员的影响？

在一些学科，尤其是人文学科，研究人员可能并不认为自己从事的是“数据科学”或“计算”相关的工作，尽管他们在进行文献整理、数字化或文本分析等工作时，实际上也在处理大量数据。因此，计算方法与数据部门在推广其服务时，尽量避免使用“数据”这个术语，而是用更为直观的语言帮助研究人员理解这些服务的意义。

Dataverse的数据管理功能如何帮助解决大数据问题？

Dataverse是一个开源数据存储平台，能够为研究人员提供一个集中式的、可共享的空间来存储、管理和分享研究数据。它的功能包括支持自定义元数据字段、提供数据集访问控制、以及通过接口连接到高性能计算资源，使得存储大数据集和进行大规模数据处理变得更加方便。

Yale研究计算中心（YCRC）如何满足各类研究人员的计算需求？

Yale研究计算中心（YCRC）主要提供高性能计算资源，适用于需要处理海量数据的科研工作，如生物医学和物理学领域的研究。然而，对于一些人文学科的研究人员来说，YCRC的计算资源可能过于庞大。因此，计算方法与数据部门正在探索如何为这些学科提供更为适合的计算环境，满足中等规模、互动性强的计算需求。

如何处理AI工具在研究中的使用和访问问题？

随着AI工具的普及，越来越多的研究人员希望在其项目中应用这些技术。计算方法与数据部门面临的挑战是如何提升AI工具的使用熟练度和意识，尤其是在缺乏相关知识的学科领域。此外，还需要确保研究人员能够公平地访问AI计算资源，并解决与数据隐私和伦理相关的问题。

如何确保该部门提供的服务能够适应不断变化的科研需求？

该部门通过定期的项目评估和反馈机制，不断调整和优化服务。例如，随着新的技术（如AI、机器学习、和数据集存储平台）不断涌现，部门会适时更新其支持项目、工作坊和资源。此外，部门也非常注重跨学科合作，促进各领域专家之间的知识共享和技术融合。