CNAS-TRL-014：2021 科研数据特征划分及其分类体系表.docxVIP

CNAS-TRL-014:2021第1页共7页

发布日期：2021年01月01日

CNAS技术报告

科研数据特征划分及其分类体系表

中国合格评定国家认可委员会

CNAS-TRL-014:2021第2页共7页

发布日期：2021年01月01日

前言

科研实验室是实施科技创新的重要组成部分和基础技术保障，出具的数据是科学成果的依据，其质量直接影响科学成果的可靠性和科学性。但科研实验室存在科研数据难以重复、可靠性难以评估的问题。如何对科研实验室进行规范管理，实现科研数据的可靠和可重复，是科学界面临的重大课题。为了更好的规范科研实验室的管理和运行，依托“十三五”国家重点研发计划“科研实验室认可关键技术研究”项目中的“科研数据不确定性表征方法和评估技术研究”课题（编号：2016YFF0203801），CNAS组织编制了《科研数据特征划分及其分类体系表》。

本文件由中国合格评定国家认可委员会提出并归口。

本文件主要起草单位：中国合格评定国家认可中心、北京理工大学。本文件主要起草人：周桃庚、吕京、傅华栋、宋桂兰。

CNAS-TRL-014:2021第3页共7页

科研数据特征划分及其分类体系表

1范围

本标准定义了科研数据的特征划分和分类方法，规定了科研数据分类体系表组成、结构及编码规则和编制要求，用以保证科研数据组织、存储及交换的一致性。

2规范性引用文件

下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。

GB/T13016标准体系表编制原则和要求

3术语和定义

下列术语和定义适用于本文件。

3.1科研数据ResearchData

在科技活动(实验、观测、探测、调查等)或通过其他方式所获取的反映客观世界的本质、特征、变化规律等的原始性、基础性数据,以及根据不同科技活动需要,进行系统加工整理的数据产品和相关信息。

3.2定量数据QuantitativeData

可以量化和验证的数据，适用于统计操作。

3.3定性数据QualitativeData

近似或表征但无法测量的某物或现象的属性，特征，性质等的数据。

3.4科研数据分类ResearchDataClassification

根据科研数据的属性或特征，将其按照一定的原则和方法进行区分和归类，并建立起一定的分类体系和排列顺序，以便更好地管理和使用科研数据的过程。

3.5线分类法methodoflinearclassification

将分类对象按选定的若干属性(或特征)逐次分为若干层级，每个层级又分为若干类目。同一分支的同层级类目之间构成并列关系，不同层级类目之间构成隶属关系。

3.6面分类法methodofareaclassification

选定分类对象的若干属性(或特征)，将分类对象按每一属性（或特征）划分成一组独立的类目，每一组类目构成一个“面”。再按一定顺序将各个“面”平行排列。使用时根据需要将有关“面”中的相应类目按“面”的指定排列顺序组培在一起，形成一个新的复合类目。

CNAS-TRL-014:2021第4页共7页

3.7混合分类法methodofcompositeclassification

将线分类法和面分类法组合使用，以其中的一种为主，另一种做补充的分类方法。

4分类原则

按照科研数据的特征和属性及其相互间客观存在的逻辑关联以及信息组织的要求进行分类。分类名称应尽量沿用