2026年的研究人员需要结合技术、协作和数据管理技能，才能有效参与开放科学实践。
核心技术技能
数据管理与共享位居首位。研究人员必须知道如何组织带有清晰元数据的数据集，使用Zenodo或Figshare等存储库，并应用FAIR原则（可查找、可访问、可互操作、可重用）。理解像Git这样的版本控制系统，无论是用于代码还是手稿，已成为必备技能，而非可选。
预注册与透明度技能对可信度日益重要。这意味着在数据收集前记录假设，公开分享分析计划，并熟悉OSF（开放科学框架）或protocols.io等平台。
协作与沟通技能
开放科学依赖于跨机构和跨学科的合作。研究人员需要通过预印本、博客和社交媒体，向非专业受众清晰传达研究发现。撰写易于理解的技术工作摘要——同时不过度简化——现已成为核心能力。
同行评审素养已扩展到传统期刊评审之外。研究人员应了解如何提供建设性的开放同行评审，回应预印本上的公开评论，并专业地参与发表后批评。
信息与AI素养
随着每月新增超过50万篇论文，研究人员需要超越关键词匹配的高级搜索技能。理解如何构建包含包含/排除逻辑的复杂查询，有助于从噪音中筛选出关键信息——例如，WisPaper的深度搜索通过理解研究意图而非仅匹配术语，能过滤掉90%的不相关结果。
AI工具素养至关重要，但需谨慎对待。研究人员必须知道如何验证AI生成的信息，识别幻觉，并将主张追溯到原始来源。这包括理解何时信任AI助手，以及何时人类判断不可替代。
法律与伦理意识
最后，研究人员需要具备关于知识共享许可、数据和代码的版权基础知识，以及在共享研究材料时涉及参与者隐私的伦理考量。理解机构和资助方对开放获取出版的要求，已从可选知识转变为必备知识。
这些技能并非一成不变——通过研讨会、在线课程和社区参与持续学习，能让研究人员在开放科学实践不断演进中保持与时俱进。