数据科学杂志

关于本杂志

公告

• 论文特别征集：构建亚欧地区开放数据协作网络

  范围

  这一特别收藏来源于国际数据科学研讨会（DSWS-2023；https://ds.rois.ac.jp/article/dsws_2023)会议于2023年12月11日至15日在日本东京举行。该研讨会由数据科学研究联合支持中心、信息与系统研究组织（ROIS-DS）与数据科学国际合作委员会和日本科学委员会（SCJ）合作举办。由世界数据系统（WDS）和国际科学理事会（ISC）数据委员会（CODATA）牵头的全球数据界也大力支持和推动了此次活动。其目的是促进与新冠肺炎、信息扩散、全球变暖、极端天气事件、区域冲突等社会和全球挑战相关的各种数据的存档、发布和利用及其对亚欧地区的影响相关的信息交流。

  
  该专题讨论会是在几次跨学科科学会议上组织的，涉及亚洲-海洋区域内外的国际数据活动。它们包括认证计划的各个方面及其益处、各个国际举措、数据中心和网络、数据管理规划、数据政策、遗产数据、历史数据、数据共享、引用和跨学科出版。

  
  进行了80多场专题介绍，引发了富有成效的讨论，重点是建立与该地区开放数据相关的国际合作网络，并在全球框架内建立具体的合作框架。研讨会的目标是根据开放的研究政策和公平原则，就利益相关者的研究数据管理的各个方面达成共识。根据亚洲和大洋洲社区的证据和反馈，举办的科学会议可能会带来新的方式，以促进跨学科和协作研究、数据管理平台以及不同科学学科下的高效数据重用。

  
  这个特别的集合针对概述实现上述目标的最佳实践的文章。特别是，它寻求发表与从多学科角度开发数据系统和数据分析程序有关的研究文章。贡献并不局限于在研讨会上所作的陈述，因此编辑们欢迎全球任何研究和实际兴趣与研讨会主题一致的作者提交意见。

   

  关于特刊的进一步询问可以向客座编辑咨询。
  
  

  特邀编辑

  •Tomoya Baba（信息与系统研究组织）
  •David Castle（维多利亚大学）

  •Tyng-Ruey Chuang（中国科学院）
  •Masaki Kanao（信息和系统研究组织）
  •Johnathan Kool（澳大利亚南极分部）
  •Kassim S.Mwitondi（谢菲尔德哈勒姆大学）
  •Yubao Qiu（GEO寒冷地区倡议）
  •王娟乐（中国科学院；《数据科学杂志》编辑委员会）
  
  

  意向书截止日期：2024年2月29日

  请在以下谷歌表格中输入您对“特别收藏”的兴趣表达：
  
  https://docs.google.com/forms/d/e/1FAIpQLSeENmAbBSBeHgLow5tybfLjYnsudjZZaiKUi1i7Aoz9AR4MhA/viewform网站
  
  您需要输入“作者、隶属关系、联系地址和暂定文章标题”的信息。此意向书表格将于2024年2月29日结束。
  
  

  文章提交截止日期：2024年7月31日

   

  最终在线出版：2025年3月31日（暂定）

• 论文特别征集：危机时期的数据和人工智能政策、系统和工具

  这个数据科学杂志邀请研究人员、从业者、决策者和利益相关者为“危机时期的数据和人工智能政策、系统和工具”专题文章集贡献力量。本专题集探讨了与数据政策制定和实施相关的挑战、机遇和创新方法，以应对自然灾害、公共卫生紧急情况、人道主义危机或其他破坏性事件等危机。

  该文集寻求高质量的文章，涉及数据和人工智能政策的各个方面，以及危机情况下的数据和人工智系统和工具，包括理论、经验和实践观点。我们欢迎对数据科学、政策和危机管理的交叉点进行审查的提交文件，阐明数据治理和利用的道德、法律、社会和技术层面。

  目标

  本专题集的主要目标是探索数据和人工智能政策在危机管理和危机治理的数据和人工智系统和工具方面的变革潜力，同时为建设一个更具弹性和数据驱动的世界做出贡献。在这方面，特别收藏将追求以下具体目标：

  1. 审查处理危机情况的数据和人工智能政策所涉及的科学、政治和社会框架；
  2. 探索在危机情况下支持数据和人工智能政策所需的基本道德、人权和人道主义框架；和
  3. 支持系统、工具和服务的开发，在危机情况下生成科学证据并指导准备和应对决策时，促进数据和人工智能的负责任实践和使用。

  总的来说，这一特别收集将有助于增进知识，促进有效的数据和人工智能政策框架以及数据和人工智科学系统和工具的发展，这些系统和工具可以支持决策，改进应对工作，并增强危机时急救人员和社区的应变能力。

  背景

  这一特别收集由ISC CODATA国际数据政策委员会（IDPC）内的一个工作流程推动和支持，该工作流程致力于分析、咨询和制定危机时期的数据政策立场文件。国内流离失所者委员会的工作有助于这一领域的国际努力，重点是在自然灾害、健康危机、地缘政治冲突和其他破坏性情况下收集、处理和使用数据。它审查了必要的数据和人工智能政策框架，以确保科学项目，特别是关于数据收集和处理的项目，是可行的，并且与危机情况相关，同时也有助于在危机准备、应对和恢复方面取得科学成果。

  另一个关于“危机情况下的数据系统、工具和服务”的工作组正在成立中，其任务是阐明与科学家、政策/决策者、应急响应者、媒体、，以及受影响的社区，概述这些特征以及它们在架构、设计、互操作性标准中的表达方式，以及这些工具在全球危机局势中的应用。

  国际科学理事会科学未来中心为讨论数据和人工智能政策在与危机相关的科学中的作用提供了一个焦点。

  这个DSJ公司特别收集有助于这些相互关联的群体的工作，同时扩大了整个利益相关者社区的范围。

  话题

  本特别收藏的主题包括：

  1. 危机期间数据和人工智能质量、数据可靠性和数据完整性的方法
  2. 危机期间数据管理和共享的政策框架
  3. 危机背景下的数据和人工智能治理模型和制度安排
  4. 危机情况下负责数据收集、分析和（再）使用的道德考虑和指南
  5. 危机准备、响应和恢复工作中的数据隐私、安全和保护
  6. 同意在危机期间使用数据和人工智能
  7. 加强危机准备和应对的开放数据举措和实践
  8. 与开放科学相关的数据和人工智能政策主题，包括联合国教科文组织开放科学宣言、非洲开放科学平台、全球开放科学云（GOSC）、中国科技云（CSTCloud）、澳大利亚研究数据共享区（ARDC）、开放科学框架、欧洲开放科学云
  9. 数据和人工智能政策如何有助于人权和基本自由的协调，同时支持人道主义原则，如人道、公正、中立和独立。
  10. 与危机管理和危机治理系统中的数据、人工智能、系统和工具互操作性、集成和标准化相关的政策
  11. 社区参与、参与和授权危机数据政策制定
  12. 危机期间数据利用方面的法律和监管挑战及解决方案
  13. 支持危机管理中数据和人工智能政策的技术进步和工具
  14. 危机期间数据政策实施的影响评估、经验教训和最佳实践

  鼓励作者提出案例研究、理论框架、政策分析、实证研究和实践经验，以帮助理解和推进危机情况下的数据政策。

  关于数据科学杂志

  CODATA公司数据科学杂志（DSJ）是一份经同行评审、开放存取的电子期刊，发表了关于所有研究领域（包括科学、技术、人文和艺术）研究数据和数据库的管理、传播、使用和重用的论文。该期刊的范围包括对数据系统、其实现及其发布、应用、基础设施、软件、法律、再现性和透明度问题、复杂数据集的可用性和可用性的描述，并特别关注开放数据的原则、政策和实践。

  和所有人一样DSJ公司文章，提交到这个特别集合将经过严格的同行审查过程，以确保学术质量和相关性。

  集合编辑器（按字母顺序）

  Burçak BašbuóErkan、Gnana Bharathy、Paul Box、Francis P.Crawley、Mathieu Denis、Perihan Elif Ekmekci、Simon Hodson、Stefanie Kethers、Virginia Murray、Hans Pfeifenberger、Lili Zhang

  提交文件和日期

  请仔细阅读DSJ公司 编辑政策和提交指南在准备手稿进行审查时。提交的材料必须具有较高的科学质量，并注意正确的英语语法和用法要求。

  • 提交最后期限：接受的稿件将在滚动基础上发布，并在DSJ公司。提交截止日期为2024年6月28日（星期五）
  • 预期出版：预计提交后有四周的同行审查时间。接受的论文将根据DSJ公司发布空间可用性和发布时间表。

  关于这期特刊的更多信息，你可以通过以下方式联系期刊编辑链接.

• 论文征集：网络安全的数据科学和机器学习

  稿件提交截止日期：2023年4月30日

  数据科学的最新变化正在改变计算环境中的网络安全。应用科学是将科学方法、机器学习技术、过程和系统应用于数据的过程。与传统方法相比，网络安全数据科学（CSDS）使网络安全领域的计算更具可操作性和智能性。它包括应用数据科学来预防、检测和补救网络安全威胁的快速增长的实践。

  网络安全数据科学是一个快速发展的领域，它使用数据科学技术来解决网络安全问题。数据驱动、统计和分析方法越来越多地用于弥补安全漏洞。它考察了医疗保健、交通、监控、社交媒体和执法部门，以评估它们提出的具体问题以及如何解决这些问题。

  网络安全数据科学是本期专题的重点，分析支持优化安全解决方案的最新趋势。这些数据是从可靠的网络安全来源获取的。使用机器学习，该问题还旨在开发一个多层网络安全建模框架。当我们处理网络安全数据科学和相关方法时，数据驱动的智能决策可以帮助防御系统遭受网络攻击。

  • 潜在主题包括但不限于：
  • 基于云的网络安全分析
  • 基于实时物联网/端点的检测
  • 深度学习和强化学习
  • 人在机循环机器学习
  • 对机器学习系统的对抗性攻击
  • AI驱动的虚假新闻和虚假信息运动
  • 网络犯罪分析、情报和安全
  • 大型犯罪数据科学算法和开源态势感知
  • 误报和仇恨语音检测与缓解
  • 数据驱动的网络知识库开发
  • 数据科学展示网络弱点
  • 安全任务ML的健壮性和可解释性

  特辑编辑：

  刘振峰，上海海事大学

  马晓刚，爱达荷大学

  Anwar Vahed，南非数据密集型研究计划