目的 探讨AI模型训练场景下，出版数据供、需双方的权责边界，为完善我国科技期刊出版数据版权保护和构建公平合理的流通规则提供参考。 

方法 以科技期刊出版利益相关方为研究对象，包括出版机构、行业协会及政府部门，检索各方公开发布的版权协议、技术条款、立场声明、政策与法规文本，分析版权协议、技术限制及义务条款的特征。采用案例分析法，选取Elsevier， Springer Nature， Sage， Wiley和Taylor & Francis 5家出版机构的实践案例，比较不同出版数据用于AI模型训练模式的版权侵权风险。

 结果 仅少数版权协议明确约定涉及AI训练的各种情形。出版机构或制定技术性限制条款、或态度中立、或采用更适用于AI训练场景的数据管理模式。开放获取论文占比较高的出版机构更倾向于主动提供数据访问。将出版数据用于AI模型训练的出版机构采用2种策略：自主研发“内部合理使用”和内容授权许可给第三方。二者数据流通范围不同，涉及的版权边界争议点分别为“合理使用”的界定和授权链条完整性。 

结论 为应对AI模型训练需求，版权协议应补充“合理使用”适用情形或“分许可”条款，出版机构应制定面向AI模型训练需求的版权管理方案，出版数据持有者与AI模型开发者应明确数据权限、责任边界，为构建市场化的数据流通收益分配机制和争议解决机制提供保障，学/协会和政府部门应出台针对出版数据用于AI训练的专项版权指引，规范出版数据的合规、高效流通环境，探索建立公平的收益分配机制，指导行业有序发展。

        文字来源：倪婧, 郝秀原, 任胜利, 张久珍. 出版数据用于人工智能模型训练的期刊版权保护问题研究. 中国科技期刊研究, 2026, 37(2): 173-180.

        全文阅读：出版数据用于人工智能模型训练的期刊版权保护问题研究.pdf

支持单位：