资料集更新后 DOI 没变，引用时怎样说明自己实际用的是哪一版

一篇论文在资料来源栏只写了一个资料集名称和 DOI。半年后，复核者点开同一识别码，仓储页面仍在，文件数量却多了两个，某个表格的变量名称也已经修正。复核者无法确认作者分析的是旧文件还是新文件，更不知道论文只用了整套资料中的哪一部分。

问题不在 DOI 失效，而在引用粒度不足。DOI 可以识别一组持续演化的资料，也可以识别其中一个固定版本；即使已经找到特定版本，里面仍可能包含多个文件。实际分析若只使用三个文件、特定日期范围或筛选后的记录，顶层名称无法替这些选择作答。

先判断 DOI 识别的是哪一层对象

看到 DOI 时，先打开落地页查看对象类型、版本号和相关识别码。不要从字符长短、尾端数字或页面标题猜版本。DOI 的作用是持久识别登记对象，不负责把字符串中的“v2”自动解释成第二版。

DataCite 的版本指南区分了代表多个版本的 canonical DOI 与特定版本 DOI。前者用 HasVersion 指向各版本，后者用 IsVersionOf 回到集合对象。Zenodo 在自己的实现中称两者为 Concept DOI 和 Version DOI。第一次发布时同时登记一个特定版本识别码与一个涵盖全部版本的识别码，之后每个新版本再取得独立 DOI。

这两个层次回答不同问题。概念 DOI 回答这是哪一组持续演化的资料，特定版本 DOI 回答分析使用哪一个固定发布对象。研究若讨论一个长期维护的数据库项目，不依赖某次具体数值，引用概念对象可以合理；只要统计结果取决于当时文件，就应进一步定位特定版本。

落地页若只显示“最新版本”，还要查看版本历史或相关识别码。概念链接可能把读者带到当前最新版，而论文使用的是更早版本。页面可以正常打开，却没有回答“作者当时下载了什么”。

同一 DOI 不变，并不表示内容从未更新

DataCite 说明较小内容变更可以继续使用同一 DOI。管理者可在 Version 属性中增加版本号，并通过元数据活动记录追踪修改。主要变更则建议登记新 DOI，再用 IsNewVersionOf 与 IsPreviousVersionOf 连接新版和旧版。

关键限制是，DataCite 没有替所有仓储规定统一的大小变更阈值。它明确把判断留给各资料管理者。一个仓储可能把修正标签视为次要更新，沿用 DOI；另一个仓储可能认为同样修改会影响分析，因而建立新版本。引用者不能只凭自己对改动大小的感觉断言 DOI 一定要变。

因此，DOI 没变有多种可能：文件完全没动，只修正说明文字；资料管理者在同一识别码下更新次要版本；页面显示的是概念 DOI，本来就涵盖多版；或仓储采用了不同版本政策。每种情形都需要落地页和版本元数据确认。

反过来，出现新 DOI 也不必然代表全套资料都重做。可能只改一个文件，却被管理者判断为主要版本。版本关系告诉你对象前后相连，不告诉你改动内容。复核记录仍要读取变更说明，比较文件清单，并确认论文依赖的变量是否受到影响。

DOI 后缀不是版本选择器

有些人看到识别码尾端没有版本号，便手动添加 .v2、/2 或其他后缀尝试定位新版。Zenodo 的说明指出，版本后缀不是 DOI 系统的版本功能。即使某个平台采用看似有规律的字符串，其他服务也不会因此理解两个 DOI 属于同一资料的前后版本。

Zenodo 不把版本数字写进 DOI 后缀，还有一个原因：资源自身的版本顺序未必线性。软件可以先发布 1.0、1.1、2.0，后来再维护 1.2。若把仓储建立记录的先后次序直接写成资源语义，机器和读者都可能误解。

平台改用元数据关系让机器识别版本联系。对人来说，正确动作不是修改 DOI 字符，而是查看记录中的版本标签、发布日期、IsVersionOf、HasVersion 或前后版本关系。若仓储没有公开这些字段，只能记录版本不明，不能用猜出的后缀填补证据。

这也说明版本号与 DOI 是两个字段。版本号由资源或仓储管理，DOI 持久识别一个登记对象。两者可以共同出现在引用中，却不应被压缩成“DOI 看起来像第几版”。

引用特定版本后仍要查看文件粒度

一个版本记录可能含原始资料、清理后资料、代码、说明文件和图表。论文只用其中一张表时，特定版本 DOI 能把复核者带到正确记录，却仍不能自动指出哪一个文件进入分析。

最小文件清单应记录仓储中的原始文件名、大小、媒体类型和校验值。若文件被解压或改名，再保留本地名称与仓储名称的对应。只有这样，另一个人才能确认自己取到同一对象，而不是在一堆相近文件中凭标题选择。

文件清单还应说明角色。哪些是作者收到的原始资料，哪些是清理后的中间表，哪些由脚本生成，哪些只是说明或展示输出。若把这些层次混在同一目录，复核者可能拿结果表当输入，得到看似一致却循环引用的分析。

校验值用于比对字节完整性。两个文件采用同一算法得到相同校验值，可以强力支持它们的字节内容一致；校验值不同则说明至少有一处差异。但相同校验值不能证明测量真实、变量定义正确或研究结论有效。它验证的是文件身份，不是科学质量。

派生子集必须说明选择条件

很多分析不会使用资料集全部记录。研究者可能选择某段年份、几个地区、符合年龄条件的人，或者删除缺失字段后的观察值。此时，即使原始版本和文件都定位正确，复核者仍要知道子集怎样形成。

“使用资料集中的有效样本”不是可重建条件。应写出变量名称、包含与排除条件、日期边界、缺失值处理、重复记录规则和筛选后数量。若条件通过代码执行，保存脚本与运行参数；若由人工挑选，也要留下选择清单或可审计记录。

派生资料还需要来源关系。它应指回原始版本与具体文件，并说明执行了哪些清理、合并、单位转换和匿名化步骤。新表格获得自己的 DOI，并不会自动携带完整来源链；元数据要明确表达它由什么对象生成。

若原始资料受隐私、伦理、契约或安全限制，复核要求不等于公开所有记录。可以公开资料字典、处理代码、合成示例、受控访问条件和可验证的派生说明。文章讨论的是识别与说明边界，不主张越过原有访问控制。

访问日期不能充当版本号

访问日期很重要，因为它记录研究者何时取得资料，也能帮助解释网页或动态接口后来发生的变化。但日期只说明取用时点，不保证当天只有一个版本，也不能说明下载的是页面列出的哪个文件。

同一天内可能发生更新，缓存也可能让两个人看见不同状态。只有“2025 年 3 月 4 日访问”而没有版本、文件与校验值，仍不足以重建输入。时间戳应与识别码、版本标签和文件清单一起使用。

对于持续变化的数据库或接口，还要记录查询参数、分页范围、排序方式、时区和响应快照。顶层 DOI 可以识别数据库项目，却无法描述一次查询返回的行。若平台提供查询版本、发布日期或快照识别码，应优先保存这些字段。

访问日期只能说明何时取用记录，校验值只能比对字节是否一致。前者是时间证据，后者是文件身份线索；两者都不能单独替代版本，也不能说明资料为何适合当前研究问题。

元数据更新与文件更新要分开读

资料记录的标题、作者说明、许可或关键词可能在不建立新文件版本的情况下修正。DataCite 允许追踪 DOI 元数据活动，Zenodo 的版本说明也把版本联系放在机器可读元数据中。复核时应分别记录“文件发布版本”和“当前看到的元数据状态”。

若标题后来改正，旧论文引用的标题与当前页面不同，不必然代表引用对象变了。可以通过 DOI、版本关系和文件校验值确认是否仍为同一文件。相反，标题完全相同也不能证明文件未换。

许可变化尤其需要单独记载。研究者下载时适用的许可、访问条件与当前页面可能不同。复核记录应保存当时可见许可及访问日期，但法律适用范围仍要依仓储政策与实际授权判断，不能由技术元数据文章替读者下结论。

元数据完整有助于发现和归属，文件版本确保输入固定；两者相互补充，不可互换。引用表如果只有 DOI 一栏，会把这两种变化压成一个无法解释的状态。

建立一份可重建输入清单

审核资料引用时，可以从六层向下检查。第一层记录资料集名称、发布者与概念识别码。第二层记录特定版本 DOI、版本号、发布日期和前后版本关系。第三层列出实际使用的文件、大小、格式与校验值。

第四层说明子集：选用变量、日期、地区、纳入与排除条件、缺失值处理和最终记录数。第五层保存处理链，包括脚本版本、参数、软件环境、随机种子及从原始文件到分析表的顺序。第六层标明访问日期、许可、受限资料申请方式和无法公开的范围。

保存具体文件名、大小、校验值、下载日期、许可、筛选条件与派生步骤。这份清单不需要复制整座仓储，却必须让复核者知道每一步指向哪个对象。对于可公开资料，可连同脚本与说明一起存入固定版本；对于受限资料，则提供不暴露内容的结构证据和申请路径。

完成后做一次反向测试：从论文中的引用出发，不看研究者电脑，尝试定位特定版本，找出所列文件，验证校验值，再按筛选条件重建输入行数。任何一步只能靠作者记忆完成，就说明引用链仍有缺口。

三种引用场景需要不同精度

第一种是背景说明。文章只描述某数据库长期收集何类资料，没有使用具体数值。此时概念 DOI 或项目级识别码能让读者找到持续维护对象，引用特定旧版反而可能掩盖项目仍在发展。

第二种是固定分析。论文的统计表由某批文件计算而来，应引用特定版本，并列出实际文件和子集条件。若只给概念 DOI，复核者晚些时候会默认拿到新版，结果差异无法归因。

第三种是动态查询。资料通过接口持续变化，未必存在传统发布包。此时需要查询时间、参数、返回范围、接口版本与可保存快照。若仓储能为查询结果或快照登记识别码，就把它作为实际输入对象；否则至少保存机器可读响应和校验值。

三种场景没有一个通用的“最详细越好”。精度应跟结论依赖的对象一致。背景判断依赖项目概念，固定数字依赖具体版本与文件，动态结果依赖一次可重放查询。

DOI 完整不等于研究结论正确

版本和文件信息齐全，可以证明复核者拿到相同输入，也能减少“新版覆盖旧版”造成的差异。它不能证明研究设计没有偏差、测量工具准确、统计模型合适或结论可推广。

同样，顶层 DOI 并非错误。只要作者明确讨论的是演化中的资料项目，而不是固定分析输入，它就是合适粒度。问题出现在引用对象与论证依赖不匹配：用概念对象支撑精确数字，或用一个文件识别码代替复杂派生子集。

判断是否完成，不看引用栏有几个 DOI，而看另一个人能否从这些字段重建作者实际使用的对象，并分辨哪些环节仍受限制。能重建输入只是复核的起点，后续还要检查处理方法与论证。

版本差异要与分析依赖逐项对应

发现新版后，不必把所有变化都当成会推翻论文。可以把旧版与新版的文件清单并排，先找新增、删除、改名和校验值变化，再回到分析脚本确认哪些文件与变量真正被读取。只修改未使用的说明图片，和改动模型输入列，影响范围显然不同。

接着比较结构而非只看文件大小。表格可核对列名、类型、单位、类别编码、缺失值标记与记录数；文本资料可核对文档数量、编码和分段规则；影像资料则要看尺寸、波段、坐标参考和压缩方式。结构差异会告诉复核者应该重跑哪一段处理链。

若仓储提供变更说明，应保存它，但不能把说明当成唯一证据。变更说明可能概括为“资料修正”，实际涉及的行列仍需文件差异或发布清单确认。相反，校验值改变只能证明字节不同，不会解释差异的语义。两种证据要一起读。

最后把差异归为三类：不会进入分析的外围变化、会改变输入但预期不改变方法的资料修订，以及需要重新定义变量或模型的结构变化。这样的分类能决定是否只更新引用、重新运行分析，或重新审查研究设计。

引用文字应让对象粒度可见

一条可复核引用至少让读者看到发布者、资料集标题、特定版本、发布日期和 DOI。若使用多个文件，可在方法或资料附录加入输入清单，不必把所有文件名塞进参考文献。派生子集则在清单中补上筛选表达式和生成日期。

例如，正文可以引用资料集的特定版本，方法部分写明使用其中两个表格，并列出校验值。若另有概念 DOI，可作为项目入口补充，但不能取代版本 DOI。这样既保留长期发现入口，也锁定计算对象。

动态资料没有固定版本时，引用应坦白它是查询结果。记录接口端点、查询参数、返回时间、时区和保存快照；如果同一查询稍后可能返回不同内容，就把响应文件纳入研究资料并计算校验值。复核者得到的是当时输入，而不是对未来接口的假设。

这些字段也有适用边界。文件名可能由下载工具改写，访问日期可能受时区影响，许可可能在页面上更新。记录应注明来源页面与本地保存值，并把无法确定的部分写成未知，避免用整齐格式制造不存在的确定性。

结论边界

资料集更新后 DOI 没变，可能是同一 DOI 下的次要版本，也可能因为它代表所有版本；DOI 改变，则可能是仓储为主要版本建立了新对象。没有打开版本元数据之前，两种外观都不能单独决定答案。

稳妥的引用会依结论选择粒度：项目概念、特定版本、具体文件或一次派生子集。版本关系解释对象怎样演化，文件清单和校验值锁定实际输入，访问日期留下时间背景，筛选与处理步骤则把输入变成可重建的分析对象。

最终目标不是让 DOI 看起来更正式，而是让引用准确回答“这项结论到底使用了什么”。这条链越清楚，后来面对资料更新时，就越能把真实研究差异与拿错版本分开。

资料来源

• DataCite：《Versioning》，发布或更新于 2020-04-06
• Zenodo / CERN：《What is DOI versioning?》，发布或更新于 2026-04-11