数据公开透明，如何助力科学赢得公众信任

本文探讨了FAIR数据原则在提升科学可信度中的关键作用。当前，科学公信力面临政治偏见和疫情等多重挑战，而数据难以查找、缺乏透明、不易复用等问题进一步削弱了公众信任。FAIR原则于2014年由国际科学家提出，强调数据必须具备四个核心特性：可发现（Findable）、可获取（Accessible）、可互操作（Interoperable）、可重用（Reusable）。十年来，该理念已被全球政府、资助机构和期刊广泛采纳，但其创始人也坦承FAIR是通用框架，无法覆盖各学科所有细节。因此，研究者们正将其扩展至整个科研生态——包括算法、工具、软件和工作流。例如，卡内基梅隆大学为化学、神经科学等学科发布专属FAIR指南；高能物理领域推出FAIR4HEP协作计划；澳大利亚开发了FAIR数据自评工具；英国推动将FAIR延伸至科研软件（如FAIR4RS），强调代码需有清晰文档、版本说明和同行评审。专家指出，就像做饭需要好食材，践行FAIR只需逐步掌握方法，最终会融入日常科研习惯。此外，人工智能模型也需类似‘说明书’（如HuggingFace的模型卡片），明确用途、数据来源和局限性，确保技术负责任地发展。