当前，人工智能快速发展对高质量数据的需求持续增长，学术期刊作为创新成果的重要载体，正逐渐成为高质量数据集建设的重要基础资源。近年来，随着我国版权制度不断完善、数据要素市场化配置持续推进，高质量数据集建设进入体系化发展阶段。但与此同时，期刊版权授权不规范、版权资产运营能力不足、人工智能训练数据合规使用以及数据跨境流动安全等问题日益凸显，制约了学术资源价值释放和数据要素开发利用。推动期刊版权科学运维，既是完善版权治理体系的重要内容，也是建设高质量数据集、服务人工智能创新发展的基础性工作。应坚持版权保护与数据开发利用并重，以规范版权运维激活期刊数据资源价值，推动高质量数据集建设迈向制度化、规范化、产业化发展。

　　完善制度，应对现实挑战

　　自1990年《中华人民共和国著作权法》颁布以来，我国已构建了包括法律、法规、规章、规范性文件、司法解释等多层次的版权法律制度框架，为版权事业发展奠定了坚实的法治基础。在法律制度不断完善的基础上，版权治理体系持续优化，行政、司法和行业治理协同发力。

　　与此同时，国家高度重视数据要素开发利用，为高质量数据集建设提供了政策支撑。2024年，国家数据局印发《“数据要素×”三年行动计划》推动数据要素市场化配置，以场景驱动融合应用，加强数据标注与行业数据集开发，夯实高质量数据集建设基础；2025年，国家数据局印发《高质量数据集建设指引》提出体系化、设施化、生态化建设思路，发布典型案例；2026年，国家数据局印发《推进行业高质量数据集建设实施方案》顶层部署六大行动，设“四个一批”目标，强化数据赋能人工智能创新发展。

　　尽管政策体系不断完善，但在实践层面，期刊版权运维仍存在不少短板，主要体现在以下几个方面。第一是授权不规范。以“版权声明”代替“版权授权”。期刊授权和转让协议订立形式失范，授权版权种类、范围、时间失序，确权方式混乱，导致授权链条断裂、合规数据源严重匮乏。第二是版权运维缺失。期刊出版单位版权资产管理薄弱，运营体系尚未建立，缺乏专门版权事务部门；收益分配机制不公，作者与数据库平台利益冲突突出。开放科学背景下多元主体权益难以平衡，制约期刊可持续发展。第三是恶意维权突出。“版权蟑螂”以维权和学术打假为名，利用技术查重锁定年代久远的涉嫌抄袭文章，批量发起诉讼或要挟索赔，主观恶意明显，损害期刊利益、扰乱出版秩序。第四是人工智能挑战。AIGC深度介入学术创作，引发可版权性争议。生成式人工智能主体擅自爬取、使用期刊论文训练大模型，涉嫌侵犯复制权、改编权及数据权益。第五是数据主权与安全：高质量期刊数据跨境流动管理有待完善，部分境外平台长期垄断集成我国学术资源，既存在数据出境隐患，也使本土数据价值大量外溢。

　　加强治理，激活数据价值

　　科学运维期刊版权，是提升版权治理水平、建设高质量数据集的重要基础。针对当前存在的问题，应重点从以下几个方面完善版权运维体系。首先，要从源头规范版权授权。摒弃效力存疑的“版权声明”，与作者订立书面授权协议，明确许可权利种类、使用方式、地域范围、期限及付酬标准。

　　其次，还应进一步加强版权资产全流程管理。期刊出版单位设立专员，统一管理版权合同签订、归档与合作对接。建立版权资产台账，优化收益分配机制，平衡多元利益冲突。同时，深化知识服务，实现“版权增益”。

　　与此同时，应进一步健全版权风险防控机制。主动防控恶意维权，加强出版前学术不端防控，对历史文章开展自查自纠。规范版权转让与许可协议，在协议中明确作者对学术不端行为承担法律责任。保存审查记录作为尽到合理注意义务的证据，从源头压缩“版权蟑螂”的诉讼牟利空间。

　　面对人工智能时代的数据安全需求，还应不断完善数据安全保障体系。保障数据主权与安全，加快推进我国自主期刊出版平台建设，改变对国外商业平台的过度依赖。在平台建设中嵌入数字水印、加密与区块链技术，实现上传即确权、流转可追溯。同时在制度、机制、技术层面保障出版数据的安全可控。

　　高质量数据集建设是版权治理不断深化的重要体现，也是推动人工智能创新发展的关键支撑。未来，应立足期刊资源优势，加快构建版权清晰、质量可靠、安全可控的数据资源体系。期刊高质量数据集是依托经严格同行评议的学术文献，具备版权清晰、授权完整、元数据规范、内容标注精准、脱敏合规、动态更新等多重特征的学术数据集合。其形态涵盖全文文本、知识图谱、标注语料、实验数据、同行评议等衍生数据。期刊高质量数据集是AI模型训练的高价值“黄金语料”，更是支撑科技情报、科研诚信和文化科技战略决策的基础性战略资源，具有高智力密度、高可信度、高增值性的显著特征。

　　协同发力，夯实发展基础

　　围绕高质量数据集建设目标，需要从国家、社会和期刊三个层面协同发力。国家层面应进一步强化制度供给，为高质量数据集建设提供政策支撑和制度保障。健全标准规范与质量评测体系，加快推进高质量数据集格式、分类、标注、质量测评等国家标准的研制与实践应用。针对期刊出版领域文本、图像等多模态数据特征，制定出版业高质量数据集行业标准，明确采集、清洗、标注、验收等全生命周期规范。同时，应持续完善数据要素流通和价值实现机制。推动期刊数据资产化进程——出版数据需历经资源化、产品化方可向高价值资产形态转变，鼓励期刊发展“订阅模式”“定制模式”等多元服务形态。推动期刊数据资产入表，化解认定难、确权难、估值难等突出问题，加快从资源到资产再到资本的价值转化。此外，还应加强公共服务能力建设，推动资源共享和协同治理。建设国家出版数据集管理服务系统，实现数据集目录与供需信息互联互通。

　　社会层面应构建产业生态与协同机制。培育数据流通服务与标注产业。支持数据机构深入期刊行业开发数据产品，提供采集、加工、流通交易等服务。发展“人机协同、专家参与”的智能化标注，依托产教融合培育专业标注人才，为期刊数据集建设提供产业支撑。同时，应充分发挥各类创新主体的作用。推动产学研用多方协同共建。鼓励期刊社、高校、科研院所等多元主体参与。发挥链主单位牵引作用，推动产业链上下游协同整合资源。搭建政产学研用金交流平台，建立共建共享机制，破解数据孤岛。在此基础上，应加快形成可复制、可推广的发展模式。打造集“数据集生产加工、流通利用、支撑模型训练”于一体的数据赋能工场。此外，还应推动团体标准研制与职业认证。支持行业协会牵头制定出版数据集团体标准，推动期刊数据产品化与市场化流通。联合高校开展数据治理专项培训，完善行业自律与职业认证体系。

　　期刊层面应夯实资源基础与运营能力。首先，梳理资源清单与建设规划。系统梳理期刊数据资源底数和应用场景，建立数据资源清单和数据集需求清单。遵循数据需求、数据规划、数据采集、数据预处理、数据标注、模型验证的闭环流程，持续提升数据集质量。围绕出版业内容数据、用户数据、运营数据三类核心资源，构建差异化数据建设方案。其次，规范内容采集与质量控制。严格版权合规审查，确保数据来源权威、内容真实可靠。加强数据清洗、增强、标注、质检等全过程自动化工具研发应用，构建符合结构完整性、内容多样性、标注准确性、模型适配性等质量标准的数据集。最后，探索商业运营与价值转化。深化人工智能等新兴技术赋能，探索知识服务和文化服务应用场景，将单篇文献、类文献数据化、产品化，实现期刊数据从资源到资产的价值跃迁，实现“版权增益”。

　　（作者为民进中央出版和传媒委员会秘书长、中国新闻技术工作者联合会副秘书长）