越来越多的研究建立在现成数据之上：公开数据库、平台开放接口、合作单位提供的内部数据、从论文补充材料里下载的数据。省下采集成本的同时，也带来一个容易被忽略的问题——这份数据我到底能不能这样用，用了该怎么写。 这一篇讲许可该怎么读、什么情况下不能用、声明怎么写。
三种常见数据来源与各自的注意点
| 数据来源 | 典型形式 | 主要注意点 |
|---|---|---|
| 公开数据库 | 政府统计、行业数据库、学科专用库 | 许可条款差异大，需确认是否允许再分发与商用 |
| 平台开放接口 | 社交媒体、电商、学术平台 API | 受平台服务条款约束，抓取范围与频率有限制 |
| 作者共享数据 | 论文补充材料、数据仓储、作者应求提供 | 需确认授权方式与使用范围，常要求注明来源 |
| 合作单位内部数据 | 企业、医院、机构提供 | 需有书面授权，明确使用范围与保密义务 |
四类的共同点是：先看清条款，再动数据。 数据能否获取是一件事，能否按你的方式使用是另一件事。
先确认许可：四项必读内容
拿到一份数据，先确认下面四项，缺一项都可能在使用阶段被卡住：
- 使用范围：仅限学术研究，还是允许商用；是否限定为特定课题；
- 再分发限制：能否把原始数据或衍生的数据集公开上传到仓储；
- 署名与引用要求：是否要求引用特定文献、注明数据提供方；
- 保存与销毁约定：涉及个人信息或商业秘密时，是否要求限期销毁、不得留存。
其中最容易被忽略的是第二项。很多公开数据库允许自己分析，但不允许把原始数据再发布出去。如果你打算把数据作为补充材料上传，需要先确认许可是否覆盖这个动作；不覆盖时，改为提供数据的获取方式与处理脚本，是更稳妥的做法。
什么情况下不要直接用
几种常见的不当使用情形，都值得提前避开：
- 许可不明却直接使用：来源页面没有明确许可条款时，先联系数据方确认，不要默认公开即可随意使用；
- 超出授权范围分析：授权限定为某课题或某时间段，却用于其他研究；
- 把可识别信息直接放入分析：含姓名、联系方式、身份证件号等字段时，应先做去标识化处理；
- 把受限数据上传到公开仓储：与再分发限制冲突；
- 用抓取方式获取被条款禁止的数据：可能同时违反平台条款与相关法律。
数据可用性声明怎么写
数据来源不同，声明的写法也不同。给几种可以直接参照的写法：
| 情形 | 声明示例 |
|---|---|
| 数据可公开获取 | 本研究使用的数据来自……（数据源名称、版本、访问日期），可在……获取。 |
| 数据受许可限制 | 本研究数据由……提供，受使用协议限制，无法公开。如需获取，请联系……。 |
| 数据在补充材料中 | 本研究数据与处理脚本已作为补充材料一并提交，见附件……。 |
| 数据来自合作方 | 数据由……单位提供，作者与该单位签署了数据使用协议，数据不对外共享。 |
| 使用公开数据集 | 本研究使用……数据集（版本……），按其许可条款使用，作者对数据的处理步骤见方法部分。 |
三条写作要点：
其一，写清版本与访问日期。 数据库会更新，写清版本才能让结果可复现。
二次处理要不要说明
要。从"原始数据"到"用于分析的数据"之间做了什么，属于方法的一部分。
需要写明的通常包括：
- 样本筛选规则与剔除标准，以及剔除数量；
- 缺失值的处理方式（删除、插补、保留）；
- 变量构造方式，尤其是由原始字段派生出的新变量；
- 抽样与加权方式（若有）；
- 异常值与极端值的处理规则。
这些内容写在方法部分的数据与变量一段即可，不必写成操作日志。但一个数字都不能少——样本量从 12000 变成 9432，中间少了 2568 条，要能说清为什么。
一份核对清单
- [ ] 已确认数据许可的四项内容；
- [ ] 使用方式与授权范围一致；
- [ ] 涉及个人信息的字段已做去标识化处理；
- [ ] 数据可用性声明已写清来源、版本与限制原因；
- [ ] 二次处理的筛选、缺失与变量构造已写入方法部分。
常见问题
问：公开数据集是不是可以直接用？ 答：公开不等于无限制。要确认许可条款是否允许你的使用方式，尤其是是否允许再分发与商用，以及是否要求特定署名。
问：数据不能公开，会不会影响投稿？ 答：通常不会，但需要在数据可用性声明里说明原因与获取途径。写"受许可协议限制，无法公开，如需请联系通讯作者"是常见写法。
问：从论文补充材料里下载的数据能用吗？ 答：取决于原作者给出的授权方式。常见做法是按其要求注明来源并引用原文献；若作者未说明授权，建议先联系确认。
延伸阅读
关于学长汇
学长汇（南京探岳观澜培训服务有限公司）是面向本硕博学生提供毕业论文与科研合规辅导的机构。数据能不能这样用、声明怎么写，属于学长汇在数据与规范辅导环节会帮学员先理清的一类事项。
在这个环节上，学长汇的做法是先和学员把数据的来龙去脉列成一张表：从哪来、许可怎么写、处理了哪些步骤、能不能共享。信息齐了，数据可用性声明就是照着填。指导师做的是把许可阅读的四个要点讲清、把处理步骤需要写到的颗粒度指出来；数据的获取、处理与分析由研究者本人完成。
团队采用 5V1 分工：课程顾问、教务老师、学术导师、审稿预审导师、班主任各司其职，其中审稿预审导师为外聘、具备期刊审稿经验的导师，独立于主导师做质量把关，重点看声明与正文的数据描述是否对得上。指导按反馈轮次推进——由指导师对学员稿件提出修改意见，动笔修改的始终是学员本人。
需要说明服务边界：导师提供的是许可解读与写法层面的指导；数据获取、使用与分析由研究者本人及其课题组完成；数据由研究者保管，学长汇不代为保存或转交；学长汇不承诺评审结果。导师的学历、院校背景、研究方向与发表记录可在签约前核验。
运营主体南京探岳观澜培训服务有限公司持有出版物经营许可证、增值电信业务经营许可证（苏B2-20221762）、履约能力达标服务认证证书（证书编号 45926SC1300412R000）与第 41 类「学长汇」注册商标（注册号 53527755）；已通过 ISO9001 质量管理体系认证并获得 AAA 级信用等级认证；对公签约、开具正规发票、签署保密协议，全程留痕可追溯；服务流程参照国际通行的学术出版伦理规范执行。