COVID‐19 國際科研合作網(wǎng)絡(luò)特征及演變研究

吳利俊 宋元明 陳 堅(jiān) 王 森 應(yīng) 峻△

（1復(fù)旦大學(xué)圖書館 上海 200433；2復(fù)旦大學(xué)附屬華山醫(yī)院消化科，3感染科 上海 200040；4國家傳染病醫(yī)學(xué)中心 上海 200040）

2019冠狀病毒?。╟oronavirus disease 2019，COVID-19）已經(jīng)在全球引發(fā)了大量科學(xué)研究，相關(guān)論文“井噴式”產(chǎn)生，針對(duì)COVID-19 的科學(xué)研究所面臨的問題也非常復(fù)雜，需要全球不同科研主體之間積極開展協(xié)同研究工作，才能有望早日攻破難題[1］。然而，這場(chǎng)疫情又在政治、經(jīng)費(fèi)、空間等多個(gè)角度限制了科研合作的展開，COVID-19 國際科研合作現(xiàn)狀及未來趨勢(shì)尚有待研究。

基本科學(xué)指標(biāo)（Essential Science Indicator，ESI）數(shù)據(jù)庫所標(biāo)注的高被引論文是指近十年來各研究領(lǐng)域中被引頻次排名位于前1% 的論文，通常代表全球科研論文的頂尖水平，針對(duì)高被引論文數(shù)量進(jìn)行分析，可對(duì)相關(guān)地區(qū)或機(jī)構(gòu)的學(xué)科競爭力進(jìn)行評(píng)估，針對(duì)其研究內(nèi)容的挖掘則可用于指引學(xué)科發(fā)展方向，能夠體現(xiàn)學(xué)科研究熱點(diǎn)與前沿[2-3］。有研究證實(shí)大多數(shù)高被引論文均由國際合作完成，而通過對(duì)研究領(lǐng)域內(nèi)的高被引論文進(jìn)行分析，能夠高效地尋找到該領(lǐng)域的國際合作網(wǎng)絡(luò)結(jié)構(gòu)與特征[4-5］。

社會(huì)網(wǎng)絡(luò)分析法最初是基于數(shù)學(xué)方法、圖論等發(fā)展起來的定量分析方法，目前已拓展至科研領(lǐng)域合作關(guān)系的研究[6］。利用社會(huì)網(wǎng)絡(luò)分析，通過對(duì)研究領(lǐng)域內(nèi)的國際合作網(wǎng)絡(luò)的特征演化進(jìn)行研究，不但有助于了解國際合作網(wǎng)絡(luò)的動(dòng)態(tài)變化過程，還能夠幫助科研人員迅速掌握研究領(lǐng)域的發(fā)展趨勢(shì)以及前沿研究的成果[7］。

本研究以COVID-19 高被引論文作為樣本數(shù)據(jù)，基于社會(huì)網(wǎng)絡(luò)分析方法，深入探究國際科研合作率、科研合作團(tuán)隊(duì)規(guī)模、合作網(wǎng)絡(luò)特征及其演變規(guī)律，以可視化形式揭示COVID-19 國際科研合作現(xiàn)狀以及變化趨勢(shì)，以期為科研人員和決策人員掌握該領(lǐng)域的研究特點(diǎn)和探索國際合作路徑提供參考。

資料和方法

數(shù)據(jù)來源本研究檢索Web of Science 核心合集數(shù)據(jù)庫，選擇主題檢索途徑，設(shè)置檢索詞為“COVID-19”、“COVID19”、“COVID 19”、“2019-nCov”、“2019 nCov”、“SARS-Cov-2”、“SARS CoV 2”、“Coronavirus Disease-19”，“Coronavirus Disease 2019”、“2019 Novel Coronavirus”，在檢索結(jié)果頁面中選擇“ESI 精煉”，篩選出檢索結(jié)果中的ESI 高被引論文。數(shù)據(jù)采集時(shí)間截至2021年04月30日。

數(shù)據(jù)清理將數(shù)據(jù)庫中采集到的數(shù)據(jù)導(dǎo)入Excel軟件進(jìn)行人工清理，排除無法確定出版日期以及作者地址字段缺失的文獻(xiàn)，按照作者所屬機(jī)構(gòu)來標(biāo)引文獻(xiàn)的所屬國家或地區(qū)，用于國際科研合作網(wǎng)絡(luò)分析數(shù)據(jù)來源；沿用ESI 對(duì)每一位作者的貢獻(xiàn)都給予統(tǒng)計(jì)的方法，一篇論文只要作者標(biāo)注超過2 個(gè)國家或地區(qū)，則被認(rèn)為存在國際合作。為了分析合作網(wǎng)絡(luò)的演化規(guī)律，將納入文獻(xiàn)按照出版時(shí)間分成4 個(gè)階段，即：（1）第一階段：2019年12月1日—2020年3月31日；（2）第二階段：2020年4月1日—6月30日；（3）第三階段：2020年7月1日—9月30日；（4）第四階段：2020年10月1日—2021年4月30日。在此基礎(chǔ)上，分別建立納入的樣本數(shù)據(jù)在4 個(gè)不同時(shí)間窗口的合作共現(xiàn)矩陣。

數(shù)據(jù)分析社會(huì)網(wǎng)絡(luò)分析法是對(duì)社會(huì)關(guān)系結(jié)構(gòu)及其屬性加以分析的一套規(guī)范和方法，其分析的對(duì)象是社會(huì)行動(dòng)者之間的關(guān)系，能夠?qū)ι鐣?huì)關(guān)系進(jìn)行 量 化 研 究[8］。 本文以COVID-19 相關(guān)研究中的ESI 高被引論文作為樣本數(shù)據(jù)，結(jié)合多元統(tǒng)計(jì)分析方法，統(tǒng)計(jì)國際科研合作率、科研合作團(tuán)隊(duì)規(guī)模等，并利用社會(huì)網(wǎng)絡(luò)分析法，借助Ucinet 軟件，繪制出國際合作網(wǎng)絡(luò)關(guān)系的可視化圖譜，并分別從網(wǎng)絡(luò)密度、中心性、核心度等方面對(duì)COVID-19 國際科研合作網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行深入分析。

結(jié)果

納入文獻(xiàn)總體特征在Web of Science 核心合集數(shù)據(jù)庫中，通過檢索獲得118353 篇文獻(xiàn)，其中，ESI 高被引論文共3794 篇，進(jìn)一步去除無法確定出版時(shí)間的文獻(xiàn)（65 篇）以及作者地址字段缺失的文獻(xiàn)（14 篇），最終納入3715 篇文獻(xiàn)作為本研究樣本數(shù)據(jù)（圖1）。其中，從發(fā)文時(shí)間來看，2019年1 篇，2020年3687 篇，2021年27 篇；從文獻(xiàn)類型來看，綜述732 篇，原始研究論文2983 篇。截至2020年4月30日，納入樣本文獻(xiàn)在Web of Science 核心合集中的總被引頻次為494669，篇均被引頻次為133.15。

圖1 文獻(xiàn)檢索和篩選流程Fig 1 Flow chart of the literature search and selection

國際科研合作總覽針對(duì)樣本數(shù)據(jù)，根據(jù)作者機(jī)構(gòu)所屬國家或地區(qū)進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)作者共來源于全球118 個(gè)國家或地區(qū)。其中，ESI 高被引論文數(shù)量最多的10 個(gè)國家分別為美國（35.90%）、中國（30.31%）、意大利（14.16%）、英國（12.68%）、德國（6.43%）、加拿大（6.27%）、法國（5.90%）、西班牙（5.52%）、澳大利亞（5.25%）和荷蘭（4.09%）。論文總數(shù)能夠反映總體科研能力，而合作率則能夠體現(xiàn)各個(gè)國家或地區(qū)在COVID-19 國際科研合作中的參與度。表1 顯示了國際總體科研合作率（34.27%）以及上述10 個(gè)國家科研合作程度，結(jié)果發(fā)現(xiàn)各國總體合作率為34.54%～81.97%，除了中國（34.54%）、美國（50.79%）和意大利（52.47%）以外，其余國家科研合作率都在60% 以上。從不同時(shí)間窗口來看，國際總體科研合作程度呈緩步上升趨勢(shì)，進(jìn)一步針對(duì)中美兩國的科研合作率進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)中美兩國的科研合作率在4 個(gè)時(shí)間窗口中呈現(xiàn)逐步下降趨勢(shì)（25.40%、20.54%、18.85%、11.85%）。

表1 COVID‐19 發(fā)文量排名前10 國家在各時(shí)間窗口的科研合作率Tab 1 Scientific research collaboration rate of the top 10 countries in each time window

國際科研合作團(tuán)隊(duì)規(guī)模有研究表明，科學(xué)研究中的國際科研合作團(tuán)隊(duì)規(guī)模會(huì)隨著時(shí)間的推移呈現(xiàn)逐漸增長的趨勢(shì)[9-10］。在本研究中，以參與研究的合著者數(shù)量的平均值以及國家或地區(qū)數(shù)量的平均值來表示國際科研合作團(tuán)隊(duì)規(guī)模。表2 顯示了4個(gè)時(shí)間階段的團(tuán)隊(duì)規(guī)模分析結(jié)果，與既往學(xué)者的研究結(jié)果類似，從合著者數(shù)量來看，COVID-19 總體科研團(tuán)隊(duì)規(guī)模（9.34、9.20、11.09、13.46）以及國際合作中的團(tuán)隊(duì)規(guī)模（10.73、10.55、13.71、17.68）除了在第二階段略有下降以外，整體隨著時(shí)間變化呈現(xiàn)上升趨勢(shì)；從參與研究的國家或地區(qū)數(shù)量來看，總體科研團(tuán)隊(duì)規(guī)模也呈上升趨勢(shì)（1.46、1.81、1.83、1.88），國際合作中的團(tuán)隊(duì)規(guī)模在第二階段出現(xiàn)短暫縮?。?.83），在第三、四階段再次上升并呈穩(wěn)定狀態(tài)（3.45、3.30）。

表2 各時(shí)間窗口COVID‐19 國際科研合作團(tuán)隊(duì)規(guī)模Tab 2 Team size of COVID‐19 international scientific collaboration in each time window

國際科研合作網(wǎng)絡(luò)構(gòu)建由于不同國家或地區(qū)在科研基礎(chǔ)和科研資源等方面存在差異，在國家或地區(qū)層面上就會(huì)表現(xiàn)出特定的合作網(wǎng)絡(luò)結(jié)構(gòu)。在本研究中，以所納入的樣本數(shù)據(jù)中的國家或地區(qū)作為節(jié)點(diǎn)，利用Ucinet 繪制4 個(gè)不同時(shí)間階段COVID-19 國際科研合作的可視化圖譜。如圖2 所示，節(jié)點(diǎn)的大小代表度中心性，節(jié)點(diǎn)間的連線代表國家或地區(qū)之間的合作，連線的粗細(xì)代表合作次數(shù)。在該圖譜中，第一階段至第4 個(gè)階段分別有46、111、90 和63 個(gè)節(jié)點(diǎn)，256、2998、2684 和1022 個(gè)連接?？梢钥吹?，在第一階段位于中心位置的最大節(jié)點(diǎn)是中國，但是，在此后三個(gè)階段中，美國一直處于整個(gè)合作網(wǎng)絡(luò)的中心位置，是全球最大的節(jié)點(diǎn)。

圖2 COVID‐19 高被引論文國際合作網(wǎng)絡(luò)結(jié)構(gòu)圖Fig 2 COVID‐19 international collaboration network structure of highly cited papers

國際科研合作網(wǎng)絡(luò)特征及演變網(wǎng)絡(luò)密度（Density）在社會(huì)網(wǎng)絡(luò)分析中主要用于刻畫整個(gè)網(wǎng)絡(luò)的合作情況，密度值越大，說明各個(gè)國家或地區(qū)之間的聯(lián)系越緊密，而中心性（Centrality）則是衡量整個(gè)網(wǎng)絡(luò)中心化程度的重要指標(biāo)，包括度中心度（Degree）、接近中心度（Closeness）和中介中心度（Betweenness）[11-13］。借助Ucinet 軟件，本研究揭示了COVID-19 國際科研合作網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)特征和演變，樣本數(shù)據(jù)在各時(shí)間窗口的網(wǎng)絡(luò)密度和中心性特征參數(shù)等指標(biāo)的測(cè)量結(jié)果如表3 所示。整個(gè)合作網(wǎng)絡(luò)在第一階段的網(wǎng)絡(luò)密度最低（0.186），但是3 個(gè)反映中心性的指標(biāo)較高（1.159、2.422、15.630），說明在第一階段雖然合作網(wǎng)絡(luò)不是很大，但是卻相對(duì)集中；到了第二階段，網(wǎng)絡(luò)密度迅速增高（0.690），各中心性指標(biāo)明顯下降（0.630、0.638、12.717），說明這一階段網(wǎng)絡(luò)中的科研合作緊密程度進(jìn)一步加強(qiáng)，網(wǎng)絡(luò)規(guī)模擴(kuò)大；但是隨著時(shí)間推移，到了第三和第四階段，整個(gè)合作網(wǎng)絡(luò)又呈現(xiàn)縮小趨勢(shì)，表現(xiàn)為網(wǎng)絡(luò)密度值下降，而合作網(wǎng)絡(luò)向中心聚集的趨勢(shì)又在不斷加強(qiáng)，表現(xiàn)為中心性指標(biāo)上升。

表3 COVID‐19 高被引論文合作網(wǎng)絡(luò)中心性指標(biāo)Tab 3 COVID‐19 collaboration network centrality of highly cited papers

此外，在社會(huì)網(wǎng)絡(luò)分析中，常用核心—邊緣這一結(jié)構(gòu)模型來幫助尋找網(wǎng)絡(luò)中的核心節(jié)點(diǎn)，這類節(jié)點(diǎn)通常與其他節(jié)點(diǎn)之間的聯(lián)系較緊密，擁有較大的作用強(qiáng)度，處于網(wǎng)絡(luò)的核心位置，通常采用核心度（Coreness）這個(gè)指標(biāo)來表示[12］。借助Ucinet 軟件，通過計(jì)算得到了樣本數(shù)據(jù)中各個(gè)國家或地區(qū)在各個(gè)時(shí)間窗口的核心度指標(biāo)參數(shù)值，通過核心度可以追蹤到各個(gè)國家或地區(qū)在合作網(wǎng)絡(luò)中地位的變化。如表4 所示，總體來看，核心度排在前10 位的國家在各個(gè)階段相對(duì)比較固定，與上述發(fā)文數(shù)量最高的10 個(gè)國家比較一致，但是從某個(gè)具體國家來看，在第一階段，中國是核心度最高的國家（0.741），但是隨著時(shí)間推移，其核心地位在逐漸下降（0.364、0.309、0.205），從第三位逐漸降到第七位，而美國從第二階段開始，一直穩(wěn)居整個(gè)網(wǎng)絡(luò)中最核心的位置，英國則緊隨其后排在第二位。

表4 各時(shí)間窗口核心度排名前10 位國家Tab 4 Top 10 countries with the highest coreness in each time window

討論

科研合作是解決復(fù)雜科學(xué)問題和推動(dòng)科學(xué)進(jìn)步的有效途徑[14］。由于科學(xué)問題的復(fù)雜性日益增加，使得科研合作已經(jīng)從個(gè)人合作、機(jī)構(gòu)合作邁入國家合作的時(shí)代，國際科研合作已成為前沿科學(xué)發(fā)現(xiàn)的主導(dǎo)力量[15］。本研究以COVID-19 相關(guān)ESI 高被引論文作為樣本，基于社會(huì)網(wǎng)絡(luò)分析，對(duì)COVID-19 國際科研合作率、科研合作團(tuán)隊(duì)規(guī)模、國際合作網(wǎng)絡(luò)特征和演變等方面進(jìn)行了深入闡述和分析，從而揭示了COVID-19 國際科研合作發(fā)展態(tài)勢(shì)。

國際合作的定義是指論文的合著作者屬于兩個(gè)或以上國家或者地區(qū)，既往有研究發(fā)現(xiàn)國際合作更加有利于提升論文質(zhì)量，提高研究深度，以及促進(jìn)學(xué)科成熟[16］。本研究發(fā)現(xiàn)COVID-19 高被引論文的國際科研合作率達(dá)到34.27%，與此同時(shí)，還發(fā)現(xiàn)在發(fā)文量最多的10 個(gè)國家中，除了中國以外，其他國家的國際科研合作率均超過50%，進(jìn)一步證實(shí)加強(qiáng)國際合作將有助于促進(jìn)高水平論文的產(chǎn)出[17］。這提示中國還需要加強(qiáng)與核心國家的科研合作以提升自身影響力，但同時(shí)也從側(cè)面體現(xiàn)出中國具有越來越強(qiáng)大的獨(dú)立科研實(shí)力，在國際合作程度偏低的情況下仍然在核心圈占有一席重要位置。

Cai 等[18］對(duì)比分 析了COVID-19 疫情發(fā)生前后全球科研合作規(guī)模和緊密程度的差異變化，發(fā)現(xiàn)隨著疫情的發(fā)展，科研團(tuán)隊(duì)的規(guī)模和合作率呈下降趨勢(shì)。但本研究發(fā)現(xiàn)科研合作團(tuán)隊(duì)規(guī)模和合作率總體呈上升趨勢(shì)，這可能與本研究選取高被引論文作為研究樣本相關(guān)。Wagner 等[19］研究發(fā)現(xiàn)中美兩國合作發(fā)展迅速，超過世界上任何兩個(gè)國家，但本研究發(fā)現(xiàn)中美兩國在COVID-19 中的合作率隨著時(shí)間變化呈逐步下降趨勢(shì)，可能與兩國政府主張的政策差異有關(guān)，例如，有研究人員會(huì)對(duì)于美國政府提出的加強(qiáng)對(duì)中美合作的審查而產(chǎn)生擔(dān)憂，這就可能會(huì)影響兩國科研合作的正常開展[20］。

Zhang 等[21］發(fā)現(xiàn)：美國、中國和英國是COVID-19 發(fā)文數(shù)量最多、國際合作最多的3 個(gè)國家；與受影響較小的國家相比，受疫情影響較大的國家通常會(huì)更多地參與國際合作；在規(guī)模更小、更集中化的網(wǎng)絡(luò)中，核心還是由部分發(fā)達(dá)國家組成的精英團(tuán)體。本研究也發(fā)現(xiàn)在COVID-19 整個(gè)科研合作網(wǎng)絡(luò)中，上述3 個(gè)國家也是高被引論文產(chǎn)出最高的國家，同時(shí)國際合作網(wǎng)絡(luò)的規(guī)模也逐漸呈現(xiàn)縮小趨勢(shì)，合作網(wǎng)絡(luò)不斷呈向中心聚集。中國在第一階段是網(wǎng)絡(luò)核心，可能與中國是疫情初期受影響最嚴(yán)重且科研產(chǎn)出最多的國家有關(guān)，從第二階段開始隨著美國病例數(shù)增加，其作為全球科研實(shí)力最強(qiáng)的國家開始取代中國成為合作網(wǎng)絡(luò)最核心的位置。各個(gè)國家在合作網(wǎng)絡(luò)中的核心度分析表明，處于核心圈的國家相對(duì)固定，也說明科研大國之間的合作仍然在數(shù)量上占有絕對(duì)優(yōu)勢(shì)[22］。

綜上所述，本文從上述多個(gè)角度針對(duì)COVID-19 國際科研合作網(wǎng)絡(luò)特征及演化進(jìn)行了分析，獲得了有意義的研究結(jié)果。本研究也存在明顯局限性：（1）由于高被引文獻(xiàn)標(biāo)記需要一定時(shí)間積累，導(dǎo)致第四階段的樣本數(shù)據(jù)量偏少，對(duì)數(shù)據(jù)分析結(jié)果的可靠性產(chǎn)生一定影響；（2）對(duì)國際合作網(wǎng)絡(luò)特征的分析僅包括網(wǎng)絡(luò)密度、中心性和核心度這幾個(gè)參數(shù)，凝集子群、結(jié)構(gòu)洞等網(wǎng)絡(luò)特征分析不夠深入；（3）僅從國家合作角度進(jìn)行了合作網(wǎng)絡(luò)的分析，機(jī)構(gòu)合作、作者合作等方面未進(jìn)一步挖掘。但通過本研究取得的結(jié)論仍可以在一定程度上反映COVID-19 國際科研合作態(tài)勢(shì)，為研究人員今后進(jìn)一步提升科研論文影響力及探尋合作路徑提供啟示。

作者貢獻(xiàn)聲明吳利俊 數(shù)據(jù)采集、清理和統(tǒng)計(jì)分析，論文撰寫。宋元明 數(shù)據(jù)清理和核對(duì)。陳堅(jiān)，王森 論文修改。 應(yīng)峻 研究設(shè)計(jì)和論文修改。

利益沖突聲明所有作者均聲明不存在利益沖突。