缺失的证据：追踪全球学术数据使用

核心观点

本研报旨在探究哪些国家是数据驱动型学术研究的主题，以及各国如何提升其国家证据基础。研究采用自然语言处理技术，分析了2000年至2020年间来自Semantic Scholar Open Research Corpus（s2orc）数据库的100万篇英文学术文章，以评估各国数据驱动型研究的数量。

关键数据

• 高收入国家占所有数据驱动型研究论文的近50%，尽管其人口仅占世界人口的约15%。
• 低收入国家仅占数据驱动型研究论文的约5%，尽管其人口占世界人口的约10%。
• 人均GDP和人口是数据驱动型研究数量的强预测因素，两者共同解释了约75%的国家间差异。
• 统计系统绩效与数据驱动型研究数量呈正相关，即使在控制了人均GDP和人口后也是如此。
• 行政级别1级的地理空间数据可用性、过去十年的人口普查以及过去十年中进行的两个或更多劳动力（农业）调查与数据使用量的增加相关。

研究结论

• 统计系统绩效对数据驱动型研究至关重要，尤其是在数据来源方面。
• 国家可以根据其数据供需状况分为四类：数据沙漠、数据沼泽、数据绿洲和数据湖泊。
• 许多低收入国家和撒哈拉以南非洲国家属于数据绿洲，表明这些国家已经从其有限的数据供应中获得了相对较多的证据，并且数据需求相对较低，但可以从增加对研究人员的数据可用性中受益。
• 许多上中等收入国家和拉丁美洲国家属于数据沼泽，表明这些国家应优先考虑提高现有数据的利用率。
• 许多高收入国家和东亚及太平洋地区国家属于数据湖泊，表明这些国家在数据供应和利用方面都表现出色。
• 上中等收入国家和欧洲及北美国家更可能属于数据沼泽，表明这些国家在数据供应方面表现良好，但在数据利用方面存在不足。

政策建议

• 国家应评估其统计系统在支持研究人员需求方面的成熟度，并借鉴其他国家的经验来改进。
• 数据绿洲国家应努力增加数据供应，例如通过投资数据收集和统计能力建设。
• 数据沼泽国家应努力提高现有数据的利用率，例如通过提高数据可访问性和数据素养。