基于地理科研主導(dǎo)網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)識別研究
——以藥學(xué)領(lǐng)域?yàn)槔?/h1>
2021-12-28 01:26:16賀超城劉福珍王春迎
情報(bào)學(xué)報(bào) 2021年12期
賀超城 ，吳 江 ，劉福珍 ，王春迎
（1. 武漢大學(xué)信息管理學(xué)院，武漢 430072；2. 武漢大學(xué)信息資源研究中心，武漢 430072；3. 香港理工大學(xué)商學(xué)院，香港 999077；4. 鄭州大學(xué)信息管理學(xué)院，鄭州 450001）
1 引 言
全球化的洶涌浪潮推動了各種資源的全球尺度流動與優(yōu)化配置，科研學(xué)術(shù)資源也不例外。在諸多領(lǐng)域，科研全球化產(chǎn)生了廣泛而又深遠(yuǎn)的學(xué)術(shù)和社會影響力[1]。其中，科研合作扮演了無可替代的角色。科研合作整合不同背景的互補(bǔ)的知識與技能，解決錯綜復(fù)雜的科學(xué)難題；科研合作融合多方靈感以及交互，激發(fā)顛覆性創(chuàng)新；科研合作通過精細(xì)化的分工協(xié)作大幅提升效率……隨著科研合作半徑的增長，科研主體們能在更大范圍內(nèi)找到合適的合作伙伴[2]?？蒲泻献鞯膬?yōu)勢也會隨著科研主體之間距離的增長而更加突出[3]。眾多國家/地區(qū)發(fā)布政策以鼓勵遠(yuǎn)距離和跨國科研合作。大部分東歐國家將科研人員的科研合作國際化程度納入考核標(biāo)準(zhǔn)[4]；中國的“十二五”科技發(fā)展規(guī)劃聲明，中國將進(jìn)一步加強(qiáng)國際化科研合作，積極參與國際科研組織與活動[5]。遠(yuǎn)距離和跨國科研合作極大地促進(jìn)了知識的創(chuàng)造與傳播，成為當(dāng)下日益流行的科研模式[6-7]。隨著交通和通信技術(shù)的進(jìn)步，地理距離對科研合作的阻礙明顯降低，但它依舊是不可忽視的影響因素[3]。與線上的文字或視頻交互相比，面對面、手把手的近距離交互能更高效地傳遞顯性知識，還能傳遞隱性知識（隱性知識常常無法通過線上渠道傳遞）。之前，我國985 高校在選擇合作伙伴時(shí)，表現(xiàn)出強(qiáng)烈的地域傾向，同城/同省的985 大學(xué)的合作頻率遠(yuǎn)遠(yuǎn)大于跨城/跨省的[8]。相比于學(xué)術(shù)機(jī)構(gòu)之間的科研合作，學(xué)術(shù)機(jī)構(gòu)與工業(yè)界的科研合作受到地理距離的影響更加明顯[9]。
因此，從空間的視角來理解和刻畫科研合作十分重要。然而，現(xiàn)有的研究存在以下兩方面不足。第一，現(xiàn)有關(guān)于科研合作的研究沒有充分考慮科研主體的空間特征。遠(yuǎn)距離和跨國的科研合作，較諸本地化的科研合作，往往產(chǎn)生更加高質(zhì)量、高影響力的成果[10]?？蒲兄黧w也有在更大的地理半徑內(nèi)拓展自己的合作網(wǎng)絡(luò)、擴(kuò)散自身學(xué)術(shù)影響力的傾向。然而，現(xiàn)有的科研合作網(wǎng)絡(luò)的研究注重拓?fù)涮卣?，忽略了對科研影響力有重要作用的空間特征，造成了模型的空間偏差。第二，現(xiàn)有的關(guān)于科研合作的研究沒有充分考慮科研合作中的主導(dǎo)作用。而科研主導(dǎo)對科研合作的發(fā)起、推進(jìn)、產(chǎn)出等各個階段都有著舉足輕重的意義[11-12]。如果沒有主導(dǎo)者的有序組織、精細(xì)分工和及時(shí)跟進(jìn)，再強(qiáng)大的科研陣容都是一盤散沙。在合著論文中，第一作者和通訊作者往往是合作的主導(dǎo)者，因?yàn)樗麄儗献髯龀隽俗钪饕呢暙I(xiàn)。主導(dǎo)作者與參與作者（非第一或非通訊的其他作者）之間的合作關(guān)系要強(qiáng)于參與作者之間的合作關(guān)系[13]。更有甚者，參與作者之間可能素未謀面，而主導(dǎo)作者與參與作者之間的合作關(guān)系便構(gòu)成了科研合作的骨架，支撐起了整個合作過程。然而，現(xiàn)有研究對各種作者之間的關(guān)系等量齊觀，忽略了主導(dǎo)作者在科研合作中的主導(dǎo)作用。
為了填補(bǔ)上述空白，本文參考既有的科研主導(dǎo)的概念與測度[14]，聚焦于藥學(xué)領(lǐng)域（pharmaceutical science），利用 Web of Science 2010—2018 年的合著論文數(shù)據(jù)，對全球藥學(xué)領(lǐng)域的科研主導(dǎo)進(jìn)行全面的空間分析，并整合科研主導(dǎo)關(guān)系的網(wǎng)絡(luò)特征和空間特征，提出地理科研主導(dǎo)排名（GeoLeaderRank）。本文之所以選擇藥學(xué)是因?yàn)樵擃I(lǐng)域的研究對跨學(xué)科、多樣化的知識融合有強(qiáng)烈的需求，該領(lǐng)域的研發(fā)對國際化、多部門的外包有強(qiáng)烈的依賴[15]。最后，本文用地理科研主導(dǎo)排名對科研機(jī)構(gòu)的學(xué)術(shù)影響力進(jìn)行預(yù)測及驗(yàn)證，并與傳統(tǒng)指標(biāo)進(jìn)行比較。
2 文獻(xiàn)綜述
2.1 空間科研合作
科研活動在國家、地區(qū)、城市等空間層面的不均勻分布，決定了其空間特征的重要意義?！翱臻g科學(xué)計(jì)量學(xué)”最早由Frenken 等[16]提出，涉及論文與引文的空間分布、科研主體對合作伙伴選擇的空間偏好、不同尺度空間合作類型對科研成果的學(xué)術(shù)影響力的作用等?，F(xiàn)有空間科研合作的研究主要關(guān)注科研活動的空間分布及其演化、空間鄰近性因素的影響。在全球范圍內(nèi)，科研活動越來越受到頂尖發(fā)達(dá)國家的主導(dǎo)，科研的兩極分化進(jìn)一步加深[17]。在歐洲范圍內(nèi)，Nita 等[18]通過社會網(wǎng)絡(luò)分析發(fā)現(xiàn)，西歐國家的各項(xiàng)指標(biāo)都明顯高于東歐國家，西歐國家在歐洲科研合作網(wǎng)絡(luò)中占據(jù)主導(dǎo)優(yōu)勢。在中國范圍內(nèi)，北京處于整個國家科研合作網(wǎng)絡(luò)的絕對核心位置，江蘇和廣東緊隨其后，西部地區(qū)明顯落后于東部地區(qū)[19]。地理距離對科研合作的阻礙作用在國際[17]、區(qū)域[20]、國內(nèi)[21]等層面依舊明顯。
2.2 科研主導(dǎo)
科研活動內(nèi)在的復(fù)雜性與邏輯性決定了科研合作是一個高度非線性和充滿不確定性的過程[22]。其中，科研主導(dǎo)起到了舉足輕重的作用。例如，在物理學(xué)、生物醫(yī)學(xué)領(lǐng)域，第一作者往往負(fù)責(zé)研究的執(zhí)行，其他參與作者則做出專業(yè)化的貢獻(xiàn)[23]。通訊作者除了學(xué)術(shù)性貢獻(xiàn)外，還做出了大量對科研合作必不可少的非學(xué)術(shù)性貢獻(xiàn)[5]：科研合作的選題、合作環(huán)境的創(chuàng)建、科研進(jìn)程的協(xié)調(diào)、行文脈絡(luò)的布局、終版稿件的投遞、期刊編輯的溝通……在有基金支持的論文中，通訊作者往往是基金的提供方[5]。通訊作者有力地整合了各方科研學(xué)術(shù)資源，對科研合作的整個生命周期做出了最為實(shí)質(zhì)的主導(dǎo)貢獻(xiàn)。He等[14]在機(jī)構(gòu)層面探究科研合作中的科研主導(dǎo)，并采用分?jǐn)?shù)計(jì)數(shù)法，定義一篇科研論文的科研主導(dǎo)量為1，科研主導(dǎo)流的方向是從主導(dǎo)機(jī)構(gòu)指向參與機(jī)構(gòu)。在一篇文章i中，從主導(dǎo)機(jī)構(gòu)a指向參與機(jī)構(gòu)b的科研主導(dǎo)流強(qiáng)度Cab,i為
其中，Di指文章i中主導(dǎo)機(jī)構(gòu)（通訊作者所在機(jī)構(gòu)）的數(shù)量；Ni指文章i的機(jī)構(gòu)數(shù)量。從主導(dǎo)機(jī)構(gòu)a到參與機(jī)構(gòu)b的總科研主導(dǎo)流強(qiáng)度Cab為
其中，Mab指a為主導(dǎo)機(jī)構(gòu)、b為參與機(jī)構(gòu)的所有合著論文數(shù)量。機(jī)構(gòu)a的總科研主導(dǎo)量Ca為
其中，B指機(jī)構(gòu)a所主導(dǎo)的所有參與機(jī)構(gòu)數(shù)量。
3 研究方法與數(shù)據(jù)來源
3.1 地理科研主導(dǎo)網(wǎng)絡(luò)構(gòu)建
地理距離不能全面反映科研活動的空間特征。Wu[24]指出，美國東海岸研究者的一篇文章被西海岸研究者引用，相比于英國研究者的一篇文章被法國研究者引用，前者雖然地理距離大于后者，但是不一定比后者有更高的學(xué)術(shù)價(jià)值，因?yàn)楹笳呤强鐕?。同理，地理距離也沒有全面反映科研合作的地理特征。Boschma[25]提出了科研合作與知識流動的五種鄰近性影響因素，基于此，諸多研究者結(jié)合引力模型探究了各種鄰近性對科研合作、創(chuàng)新及知識流動的影響[2,26]：
其中，Iab指a和b的科研合作強(qiáng)度（合作發(fā)文量）；Distanceab指a和b的地理距離；Countryab為虛擬變量，當(dāng)a和b在同一個國家時(shí)，Countryab=1，當(dāng)a和b不在同一個國家時(shí)，Countryab=0[2]。從空間特征的角度來看，機(jī)構(gòu)a和b之間科研合作強(qiáng)度是lgDistanceab和Countryab的線性組合。本文定義總科研主導(dǎo)流強(qiáng)度Cab的空間分?jǐn)?shù)為
其中，Country′ab依然是一個虛擬變量，但是當(dāng)a和b在同一個國家時(shí)，Country′ab=0，當(dāng)a和b不在同一個 國 家 時(shí) ， Country′ab=1；λ是 指 兩 個 變 量lgDistanceab和 Country′ab的 比 例 系 數(shù) ，在2010—2018 年的藥學(xué)領(lǐng)域，本文基于引力模型的Tobit 回歸[14]得到λ=1.32。當(dāng)a和b的地理距離越遠(yuǎn)，a和b之間跨國時(shí)，a和b的科研合作概率就越小，合作的空間分?jǐn)?shù)也就越高。本文定義文章i的空間分?jǐn)?shù)為該文章的主導(dǎo)機(jī)構(gòu)與所有參與機(jī)構(gòu)的科研主導(dǎo)流的空間分?jǐn)?shù)均值：
其中，Na是主導(dǎo)機(jī)構(gòu)的數(shù)量；Nb是文章i中參與機(jī)構(gòu)的數(shù)量。SCi越大，表明文章i的主導(dǎo)機(jī)構(gòu)的科研主導(dǎo)半徑越大，國際化程度越高。在文章i中，我們定義從參與機(jī)構(gòu)b指向主導(dǎo)機(jī)構(gòu)a的地理科研主導(dǎo)流的強(qiáng)度GeoDba,i為
則在所有文章中，從參與機(jī)構(gòu)b到主導(dǎo)機(jī)構(gòu)a的總地理科研主導(dǎo)流強(qiáng)度GeoDba為
其中，Mab是以a為主導(dǎo)機(jī)構(gòu)、b為參與機(jī)構(gòu)的所有合著論文的數(shù)量。我們定義的地理科研主導(dǎo)流的方向與文獻(xiàn)[17]的科研主導(dǎo)流的方向相反，即從參與機(jī)構(gòu)指向主導(dǎo)機(jī)構(gòu)；而科研主導(dǎo)流的方向與文獻(xiàn)[17]的相一致，即從主導(dǎo)機(jī)構(gòu)流向參與機(jī)構(gòu)。正如在引文網(wǎng)絡(luò)中，知識是從被引文獻(xiàn)流向施引文獻(xiàn)的那樣，引文方向則是從施引文獻(xiàn)指向被引文獻(xiàn)，知識流動與引文方向相反，是從被引文獻(xiàn)流向施引文獻(xiàn)。本文以機(jī)構(gòu)與機(jī)構(gòu)之間的地理科研主導(dǎo)流為網(wǎng)絡(luò)的連邊，以主導(dǎo)/參與機(jī)構(gòu)為網(wǎng)絡(luò)的節(jié)點(diǎn)，建立加權(quán)有向的地理科研主導(dǎo)網(wǎng)絡(luò)。圖1 是基于三篇論文以及各個機(jī)構(gòu)之間的距離以及國家等地理信息建立的地理科研主導(dǎo)網(wǎng)絡(luò)。
圖1 地理科研主導(dǎo)網(wǎng)絡(luò)模型
3.2 地理科研主導(dǎo)排名
本文整合科研主導(dǎo)的拓?fù)涮卣骱涂臻g特征，基于PageRank 算法提出地理科研主導(dǎo)排名（GeoLead‐erRank）。PageRank 作為鏈接分析的代表性算法，提出伊始便受到了學(xué)術(shù)界和工業(yè)界的重視，Pag‐eRank 也被廣泛用于科學(xué)計(jì)量中，如基于合作網(wǎng)絡(luò)或引文網(wǎng)絡(luò)對科研人員[27]、學(xué)術(shù)論文[28]、學(xué)術(shù)期刊[29]等進(jìn)行排序。具體而言，本文依據(jù)以下標(biāo)準(zhǔn)認(rèn)定一個機(jī)構(gòu)具有較高的地理科研主導(dǎo)地位：①該機(jī)構(gòu)有較多的科研主導(dǎo)量，高頻次地主導(dǎo)眾多參與機(jī)構(gòu)進(jìn)行科研合作；②該機(jī)構(gòu)具有較大的科研主導(dǎo)半徑，參與機(jī)構(gòu)與它有較遠(yuǎn)的地理距離，甚至跨國；③該機(jī)構(gòu)主導(dǎo)的其他參與機(jī)構(gòu)也具有較高的地理科研主導(dǎo)地位。我們在計(jì)算節(jié)點(diǎn)的Ge‐oLeaderRank 時(shí)，基于地理科研主導(dǎo)網(wǎng)絡(luò)進(jìn)行隨機(jī)游走，設(shè)在第t次迭代時(shí)，節(jié)點(diǎn)a的GeoLeaderRank為GeoLeaderRanka(t)，則在第t+1 次迭代時(shí)，為
其中，d是阻尼系數(shù)，一般為0.85[30]；N表示網(wǎng)絡(luò)中節(jié)點(diǎn)（科研機(jī)構(gòu)）的數(shù)量；In(a)表示指向a的所有節(jié)點(diǎn)的集合，即a主導(dǎo)的所有參與機(jī)構(gòu)的集合。整個迭代過程中，初始時(shí)每個節(jié)點(diǎn)的GeoLead‐erRank 都設(shè)為1，多次迭代后，會收斂到GeoLeader‐Ranka(∞)，a= 1,2,…,N。我們根據(jù)GeoLeaderRanka(∞)（a=1,2,…,N）來對各個機(jī)構(gòu)進(jìn)行排序。
3.3 數(shù)據(jù)來源
本文以Web of Science 核心合集的題錄數(shù)據(jù)為原始數(shù)據(jù)，以“‘Web of Science 類別’=藥學(xué)領(lǐng)域(Biochemistry & Molecular Biology, Biotechnology &Applied Microbiology, Chemistry, Applied, Chemistry,Medicinal, Medicine, Research & Experimental, Phar‐macology & Pharmacy and Toxicology)[13]并且‘出版年份’=2010-2018”為檢索式進(jìn)行檢索，檢索時(shí)間為2019 年7 月21 日，檢索結(jié)果剔除了會議、摘要、綜述、編輯材料等非期刊論文，最終得到323146 篇至少有2 個機(jī)構(gòu)合作的科研論文。為了更好地構(gòu)建地理科研主導(dǎo)網(wǎng)絡(luò)，本文篩選了2459 個每年都有科研主導(dǎo)量的機(jī)構(gòu)，并借助谷歌地圖（Google Map）獲取了每個機(jī)構(gòu)的經(jīng)緯度以及所在國家等地理信息。
4 科研主導(dǎo)的空間分析
4.1 全球藥學(xué)領(lǐng)域科研主導(dǎo)的空間聚集加劇
全球藥學(xué)領(lǐng)域科研主導(dǎo)量在地理上的分布呈現(xiàn)出進(jìn)一步的聚集效應(yīng)。一個科研機(jī)構(gòu)的科研主導(dǎo)量（該機(jī)構(gòu)作為通訊作者所在機(jī)構(gòu)的發(fā)文量）反映了該機(jī)構(gòu)主導(dǎo)其他參與機(jī)構(gòu)、整合科研學(xué)術(shù)資源的能力[14]。若一個科研機(jī)構(gòu)具有較高的科研主導(dǎo)量，并且其附近的科研機(jī)構(gòu)也具有較高的科研主導(dǎo)量，則說明科研主導(dǎo)量在空間上呈現(xiàn)聚集效應(yīng)，科研主導(dǎo)量具有正向的空間自相關(guān)；反之，若一個科研機(jī)構(gòu)具有較高的科研主導(dǎo)量，而它周邊的科研機(jī)構(gòu)的科研主導(dǎo)量較低，則說明科研主導(dǎo)量具有負(fù)向的空間自相關(guān)。本文采用全局空間自相關(guān)分析[31]，通過Moran's I 統(tǒng)計(jì)量進(jìn)行測度，其值域?yàn)閇-1,1]。Moran's I＜0，表示科研主導(dǎo)量呈現(xiàn)空間負(fù)相關(guān)；Moran's I=0，表示科研主導(dǎo)量不存在空間自相關(guān)特征；Moran's I＞0，表示科研主導(dǎo)量呈現(xiàn)空間正相關(guān)。全局空間自相關(guān)指數(shù)Moran's I 的計(jì)算公式為
其中，n為科研機(jī)構(gòu)數(shù)量；xa和xb分別表示科研機(jī)構(gòu)a和b的科研主導(dǎo)量；表示所有科研機(jī)構(gòu)的科研主導(dǎo)量均值；Wab為空間權(quán)重矩陣，Wab=若機(jī)構(gòu)a和b距離越遠(yuǎn)，則兩者的空間權(quán)重越小。
本文使用ArcGIS 軟件計(jì)算2010—2018 年全球藥學(xué)領(lǐng)域的科研主導(dǎo)量的全局Moran's I。如圖2 所示，在2010—2018 年，全球藥學(xué)領(lǐng)域科研主導(dǎo)量全局Moran's I 指數(shù)均為正數(shù)，且均通過0.05 水平的顯著性檢驗(yàn)，表明2010—2018 年，全球藥學(xué)領(lǐng)域科研主導(dǎo)量呈現(xiàn)顯著的正向空間自相關(guān)特征，科研主導(dǎo)量接近的機(jī)構(gòu)在地理上也趨于接近；通過觀察Mo‐ran's I 曲線的走勢，本文發(fā)現(xiàn)總體而言Moran's I 指數(shù)在2010—2018 年呈現(xiàn)上升趨勢，這表明全球藥學(xué)領(lǐng)域科研主導(dǎo)的空間聚集加劇。
圖2 2010—2018年全球科研主導(dǎo)量全局Moran's I指數(shù)
4.2 亞洲國家的科研主導(dǎo)量增長明顯
為了直觀地刻畫全球藥學(xué)領(lǐng)域科研主導(dǎo)量的地理分布，本文對其在2010—2013 年與2015—2018年的地理分布進(jìn)行了可視化，如圖3 所示；本文也比較了各國的科研主導(dǎo)量，如圖4 所示。在圖3 中，每個散點(diǎn)表示一個科研機(jī)構(gòu)，散點(diǎn)半徑表示其科研主導(dǎo)量大小?？蒲兄鲗?dǎo)量的地理分布呈現(xiàn)三個主要的集群：北美集群、西歐集群以及東亞集群。亞洲國家（中國、印度等）的科研機(jī)構(gòu)在科研主導(dǎo)量上有明顯的增長。在2010—2013 年，大部分合著論文由歐美機(jī)構(gòu)研究者承擔(dān)通訊作者，占據(jù)了藥學(xué)領(lǐng)域科研主導(dǎo)量的制高點(diǎn)。在2015—2018 年，全球藥學(xué)科研主導(dǎo)格局產(chǎn)生了微妙的變化，來自中國機(jī)構(gòu)的科研主導(dǎo)量由原先的零星分布變成了連續(xù)的大而稠密的分布。圖4 顯示，在前20 位的國家相對比例中，排名第1 位的美國由2010—2013 年的29.1%降到了2015—2018 年的23.3%；而排名第2 位的中國由2010—2013 年的15.2%上升到了2015—2018 年的23.2%。全球的藥學(xué)科研主導(dǎo)不再由歐美一家獨(dú)大，越來越多的亞洲國家的研究者成為論文通訊作者。
圖3 全球藥學(xué)領(lǐng)域科研主導(dǎo)量地理分布圖
圖4 全球藥學(xué)領(lǐng)域科研主導(dǎo)量比例圖
4.3 遠(yuǎn)距離和跨國科研主導(dǎo)格局無明顯改變
為了全面地認(rèn)識全球藥學(xué)領(lǐng)域科研主導(dǎo)流的地理格局，本文對其在2010—2013 年與2015—2018年的地理分布進(jìn)行了可視化，如圖5 所示；本文也比較了各國的跨國科研主導(dǎo)流，如圖6 所示。在圖5 中，每條連邊表示一束科研主導(dǎo)流，連邊的粗細(xì)對應(yīng)科研主導(dǎo)流的大小。遠(yuǎn)距離和跨國科研主導(dǎo)格局無明顯改變。2010—2013 年，全球的科研主導(dǎo)流相對細(xì)小且稀疏；2015—2018 年，全球的科研主導(dǎo)流相對粗大且密集。在遠(yuǎn)距離和跨國科研主導(dǎo)格局上，美國東海岸與西歐之間的科研主導(dǎo)流，無論是在2010—2013 年還是在2015—2018 年都是最高的。中國的科研主導(dǎo)流在2010—2013 年與2015—2018年都主要局限在國內(nèi)，其中環(huán)渤海、長三角、珠三角、華中、臺灣等區(qū)域之間的科研主導(dǎo)流比較明顯。
圖5 全球藥學(xué)領(lǐng)域科研主導(dǎo)流地理分布圖
圖6 展示了跨國科研主導(dǎo)流（前20 個國家之間）弦圖。它不僅顯示了各個國家之間的跨國科研主導(dǎo)流的相對比例和絕對數(shù)值，還顯示了方向。每個國家都有科研主導(dǎo)流的輸入（外國科研機(jī)構(gòu)為通訊作者所在機(jī)構(gòu)，本國科研機(jī)構(gòu)為參與作者所在機(jī)構(gòu)）和輸出（本國科研機(jī)構(gòu)為通訊作者所在機(jī)構(gòu)，外國科研機(jī)構(gòu)為參與作者所在機(jī)構(gòu)），每個國家輸出的科研主導(dǎo)流與該國顏色一致。如圖6 所示，美國占據(jù)了全球跨國科研主導(dǎo)流近1/4 的比例，遙遙領(lǐng)先，且其輸出的科研主導(dǎo)流相對均勻地分散在各個國家中。中國、德國、英國等國家的跨國科研主導(dǎo)流緊隨美國之后，且彼此之間較為接近。總體而言，無論是2010—2013 年還是2015—2018 年，歐美國家的科研機(jī)構(gòu)都占據(jù)了遠(yuǎn)距離和跨國科研主導(dǎo)格局的制高點(diǎn)。
圖6 全球藥學(xué)領(lǐng)域跨國科研主導(dǎo)流弦圖(彩圖請見http://qbxb.istic.ac.cn/CN/volumn/home.shtml)
5 結(jié)果分析與評估
5.1 GeoLeaderRank與其他指標(biāo)的相關(guān)性分析
科研合作網(wǎng)絡(luò)中，節(jié)點(diǎn)的入度、中介中心度、接近中心度[33]、PageRank 以及節(jié)點(diǎn)的發(fā)文量[24]等是廣泛采用的衡量節(jié)點(diǎn)重要性的典型指標(biāo)。表1 是GeoLeaderRank 與入度、中介中心度、接近中心度、PageRank 和發(fā)文量之間的斯皮爾曼相關(guān)性分析（序列相關(guān)性分析）。所有指標(biāo)都高度相關(guān)（相關(guān)系數(shù)＞0.7），且都在P＜0.01 的顯著性范圍內(nèi)。總體而言，GeoLeaderRank 與傳統(tǒng)指標(biāo)一樣，能夠較好地衡量科研合作網(wǎng)絡(luò)中節(jié)點(diǎn)的重要性。
表1 斯皮爾曼相關(guān)性分析
5.2 指標(biāo)評價(jià)
為了衡量并驗(yàn)證GeoLeaderRank，本文將基于GeoLeaderRank 的科研機(jī)構(gòu)排序與基于學(xué)術(shù)影響力的排序相似度跟其他傳統(tǒng)指標(biāo)進(jìn)行對比。學(xué)術(shù)影響力采用被引頻次 （citation） 和hg指數(shù) （hg-index），序列相似度則采用KSim 和OSim。首先，關(guān)于學(xué)術(shù)影響力，被引頻次在衡量學(xué)術(shù)影響力方面還是存在諸多缺陷，例如，被引頻次容易被人為操控，不夠穩(wěn)健。為此，Hirsch[34]提出了H指數(shù)（H-index），H指數(shù)全面考慮了科研主體的數(shù)量和質(zhì)量。但是受到被引頻次的偏斜分布的影響[35]，H指數(shù)會忽略掉頭部的高被引論文，將其余頭部的H篇論文等量齊觀[36]。因此，Egghe[37]提出了g指數(shù) （g-index）：“若某個科研主體最多有g(shù)篇論文，其被引頻次之和至少為g2，則其g-index 為g?！辈贿^g指數(shù)會因?yàn)闃O個別的高被引論文而急劇增長，權(quán)衡上述優(yōu)缺點(diǎn)，Alonso 等[38]提出了hg指數(shù)：綜合各項(xiàng)指標(biāo)的特點(diǎn)，本文采用被引頻次和hg指數(shù)來衡量社會顯示度和學(xué)術(shù)影響力。其次，關(guān)于序列相似度， 我們采用兩種測度方式[39]， 第一種為OSim(τ1,τ2)。設(shè)序列τ1的前k個元素組成的集合為A，序列τ2的前k個元素組成的集合為B，則第二種為 KSim(τ,τ)。設(shè)兩12個序列τ1和τ2的長度都為k，U是兩個序列的元素組成的并集，如果δ1=U-τ1，令τ′1是由原序列τ1和集合δ1中的元素組成的延長序列，我們對τ2進(jìn)行對等 的 延 長 操 作 得 到τ′2， 則 KSim(τ1,τ2)=一言以蔽之，OSim(τ1,τ2)只關(guān)注序列τ1和τ2前k個元素的重疊度，KSim(τ1,τ2)考慮到了兩個序列中元素的相對順序。
圖7 顯示了GeoLeaderRank 和影響力指標(biāo)（被引頻次、hg指數(shù)）的排序相似度（OSim 和Ksim）以及傳統(tǒng)指標(biāo)和影響力指標(biāo)的排序相似度（前300 位的排序相似度）[40]。在圖7 的4 個子圖中，Ge‐oLeaderRank 的相似度都是最高的。這說明相比于其他傳統(tǒng)指標(biāo)，GeoLeaderRank 給出的排序最接近機(jī)構(gòu)的學(xué)術(shù)影響力排序。在TopN較小時(shí)，即識別頭部最頂尖的科研機(jī)構(gòu)時(shí)，GeoLeaderRank 表現(xiàn)最優(yōu)。在圖7c 中，GeoLeaderRank 的柱狀圖遠(yuǎn)遠(yuǎn)高于其他柱狀圖，而在圖7a 中，GeoLeaderRank 的柱狀圖略微高于其他柱狀圖，這一點(diǎn)在圖7b 和圖7d 中也得到了印證。因?yàn)閔g指數(shù)在反映科研機(jī)構(gòu)的社會顯示度和學(xué)術(shù)影響力方面比被引頻次更穩(wěn)健，對人為操控更具有魯棒性，所以在識別最頂尖科研機(jī)構(gòu)時(shí)，GeoLeaderRank 更卓著。當(dāng)TopN較大時(shí)（大于 50），圖 7 的 4 個子圖中，GeoLeaderRank 的柱狀圖依然遙遙領(lǐng)先。從被引頻次角度來看，PageRank的相似度僅次于GeoLeaderRank；但是從hg指數(shù)的角度來看，PageRank 的相似度明顯小于GeoLeader‐Rank。這說明考慮了空間特征的GeoLeaderRank 確實(shí)提高了區(qū)分科研機(jī)構(gòu)學(xué)術(shù)影響力的能力。值得注意的是，雖然接近中心度跟被引頻次的相似度并不高，但是接近中心度跟hg指數(shù)的相似度上卻與Ge‐oLeaderRank 跟hg指數(shù)的相似度的水平相當(dāng)，尤其是在TopN＞200 之后，接近中心度跟GeoLeaderRank不相上下。根據(jù)社會網(wǎng)絡(luò)理論，節(jié)點(diǎn)的接近中心度越高，其與網(wǎng)絡(luò)中其他節(jié)點(diǎn)的最短路徑越短，所以其整合科研學(xué)術(shù)資源的能力就越高，學(xué)術(shù)影響力因此變得更高。一般而言，入度越高的節(jié)點(diǎn)，其主導(dǎo)的科研機(jī)構(gòu)越多，能夠整合的科研學(xué)術(shù)資源也可能越多。然而，入度跟被引頻次和hg指數(shù)的相似度表現(xiàn)平平，這可能是因?yàn)槿攵雀叩闹鲗?dǎo)機(jī)構(gòu)所主導(dǎo)的參與機(jī)構(gòu)數(shù)量雖然很多，但是這些參與機(jī)構(gòu)與主導(dǎo)機(jī)構(gòu)的地理距離很近，主導(dǎo)機(jī)構(gòu)只能主導(dǎo)局部地區(qū)的科研學(xué)術(shù)資源。至于發(fā)文量，一個機(jī)構(gòu)的發(fā)文量越大，其學(xué)術(shù)影響力也應(yīng)該越大；可是，發(fā)文量與被引頻次的相似度并不高，甚至發(fā)文量與hg指數(shù)的相似度僅僅比最低的中介中心度略高。這說明很多被引頻次很高的科研機(jī)構(gòu)發(fā)表的文章質(zhì)量并不高，其被引頻次的突出只是發(fā)文量大的結(jié)果。hg指數(shù)全面考慮了發(fā)文的質(zhì)和量，從hg指數(shù)的角度來看，這些科研機(jī)構(gòu)便不再突出了。
圖7 序列相似度比較
5.3 機(jī)構(gòu)排序?qū)Ρ?/h3>
erRank aead cad Sci GeoL Chinese A量文cad Sci發(fā)Chinese A入cad S ci度ese A in Ch）位20度前心（名中cad Sci介排中構(gòu)機(jī)Chinese A研科的下度心標(biāo)中cad Sci指近個接各Chinese A 2表PageRank cad Sci Chinese A次頻被引niv Harvard U數(shù)hg指niv Harvard U niv Harvard U niv Harvard U niv Harvard U niv Harvard U niv Harvard U lo au Univ Sao P ci cad S ese A in Ch MIT RS CN cad Sci Russian A ichigan iv M Un aulo Univ Sao P SD UC niv Harvard U ge brid am iv C Un niv Stanford U okyo Univ T aulo Univ Sao P SD UC okyo Univ T ichigan Univ M CSIC xford iv O Un SF UC xford Univ O SJTU xford iv O Un CSIC xford Univ O SD UC SD UC bridge am Univ C bridge am Univ C okyo Univ T ge brid am iv C Un xford Univ O bridge am Univ C xford Univ O SF UC SD UC oronto Univ T RS CN enhagen op iv C Un niv d U King Sau Univ Illinois ichigan Univ M niv Stanford U erkeley alif B Univ C SD UC oronto Univ T iv Illinois Un bridge am Univ C niv ford U Stan niv Zhejiang U to oron iv T Un xford Univ O openhagen Univ C niv atl U Seoul N aulo ao P iv S Un niv Kyoto U hagen open Univ C bridge am Univ C MIT H MG SF UC niv Zhejiang U niv ejiang U Zh ichigan Univ M I NC okyo Univ T n en iv P Un enn Univ P I NC niv Fudan U IC CS hagen open Univ C enn Univ P openhagen Univ C RS CN oronto Univ T ichigan Univ M hagen open Univ C yo ok iv T Un SD UC niv Yale U niv Peking U erkeley alif B iv C Un niv Yale U ashington Univ W SD UC niv opkins U s H John niv Zhejiang U niv opkins U Johns H ois Univ Illin enhagen op iv C Un niv Duke U niv kins U op Johns H ichigan Univ M niv Peking U Univ Illinois oronto Univ T niv Kyoto U ichigan iv M Un hagen open Univ C niv Stanford U xford Univ O Carolina iv N Un Karolinska Inst niv Ohio State U SJTU yo ok iv T Un MI HH enn Univ P niv Peking U niv Stanford U RS CN isconsin Univ W niv opkins U Johns H ashington iv W Un ashington Univ W niv Duke U Univ Illinois aryland iv M Un niv opkins U Johns H SF UC AM UN niv ke U Du LA UC ois Univ Illin Carolina Univ N SJTU I NC niv Fudan U Karolinska Inst LA UC niv opkins U Johns H Carolina Univ N niv at Sen U n Y Su ittsburgh iv P Un L UC niv McGill U Carolina Univ N niv opkins U s H John cad Sci Chinese A niv Yale U bridge am Univ C lorida iv F Un niv atl U Seoul N ashington Univ W niv Ohio State U niv Yale U niv Columbia U ientíficas ong :CL es C r de Investigacion hanghai Jiao T ollege;U U: S edical C JT; S nion M uperio iego g U in ek sejo S an D:P on MD SIC: C alifornia S PU f C ces;; C cien SA te, U niversity o edical S ancer Institu D: U CS; U cademy of M nal C rancisco atio an F CI: N Chinese A S:esearch); N alifornia, S AM ngeles;C cientific R niversity of C Los A edical Institute.tre for S The U F:alifornia,hes M ug en CS ational C y; U niversity of C ard H ow cientifique (French N echnolog te of T :U LA MI:H HH exico;UC ospital;assachusetts Institu f M echerche S eneral H: M niversity o nal de la R IT ncil); M ous U utonom Massachusetts G H:atio ou MG tre N don;en esearch C National A on S: C M:NR nal R NA ollege L: C atio;U注panish N ersity ersity C(S Univ iv Un
為了對本文提出的GeoLeaderRank 和其他指標(biāo)的排序有更直觀的理解，表2 給出了基于GeoLead‐erRank、被引頻次、hg指數(shù)和其他傳統(tǒng)指標(biāo)的科研機(jī)構(gòu)排序（前20 位）。表3 給出了在GeoLeaderRank下前20 位的科研機(jī)構(gòu)在被引頻次、hg指數(shù)和其他傳統(tǒng)指標(biāo)下的排序比較?；诓煌笜?biāo)的科研機(jī)構(gòu)排序有著微妙的差異。哈佛大學(xué)（Harvard Univ）、牛津大學(xué)（Univ Oxford）、劍橋大學(xué)（Univ Cam‐bridge）、加州大學(xué)圣地亞哥分校（UCSD）和中國科學(xué)院（Chinese Acad Sci）等五個機(jī)構(gòu)無論在哪個指標(biāo)下都名列前20 位，尤其是哈佛大學(xué)在各種指標(biāo)中都數(shù)一數(shù)二，說明哈佛大學(xué)是絕對的頂尖機(jī)構(gòu)。中國科學(xué)院在發(fā)文量、接近中心度、入度等各個指標(biāo)中高居榜首，被引頻次位列第2 位，但其hg指數(shù)僅排第19 位，這反映出中國科學(xué)院的真正的學(xué)術(shù)影響力與頂尖機(jī)構(gòu)還有一定差距。總體上，位列GeoLeaderRank 前20 位的機(jī)構(gòu)也位列被引頻次、hg指數(shù)的前茅。值得注意的是，在傳統(tǒng)指標(biāo)下，一些中國的科研機(jī)構(gòu)頻頻出現(xiàn)在前20 位的榜單上。例如，在發(fā)文量指標(biāo)下，上海交通大學(xué)位列第5位，浙江大學(xué)、復(fù)旦大學(xué)、北京大學(xué)和中山大學(xué)也都位列前20 位。在入度、中介中心度、接近中心度、PageRank 等指標(biāo)的前20 位榜單中，都有中國科研機(jī)構(gòu)出現(xiàn)。這反映了中國的科研機(jī)構(gòu)在發(fā)文量、合作網(wǎng)絡(luò)中的地位（入度、接近中心度、中介中心度、PageRank）等諸多維度下取得了長足的發(fā)展。這一點(diǎn)也印證了第4.2 節(jié)的發(fā)現(xiàn)——亞洲國家的科研主導(dǎo)量增長明顯。然而，在GeoLeaderRank、被引頻次、hg指數(shù)等指標(biāo)的（前20 位）榜單中，中國科研機(jī)構(gòu)的表現(xiàn)不能盡如人意。除了中國科學(xué)院分別位列第1、第2 和第19 位外，沒有其他任何一所中國科研機(jī)構(gòu)上榜。這反映了中國科研機(jī)構(gòu)的學(xué)術(shù)影響力與歐美機(jī)構(gòu)相比還存在差距。從空間科研主導(dǎo)的角度來看，中國科研機(jī)構(gòu)沒有足夠的遠(yuǎn)距離和跨國的科研主導(dǎo)；中國科研機(jī)構(gòu)的科研資源的整合半徑不夠大，沒有深度嵌入全球化的科研共同體中。這一點(diǎn)也印證了第4.3 節(jié)的發(fā)現(xiàn)——遠(yuǎn)距離和跨國的科研主導(dǎo)格局依舊由歐美國家占據(jù)制高點(diǎn)，無明顯改變。
表3 GeoLeaderRank和其他指標(biāo)下的科研機(jī)構(gòu)排名比較
6 研究結(jié)論及啟示
科研主導(dǎo)在科研合作中不可或缺，而空間特征對科研合作的形成和產(chǎn)出都有重要的影響。本文通過空間分析，揭示了全球科研主導(dǎo)量和科研主導(dǎo)流的空間分布及其演化；同時(shí)，本文進(jìn)一步提出地理科研主導(dǎo)排名（GeoLeaderRank），以識別具有遠(yuǎn)距離和跨國科研主導(dǎo)能力的科研機(jī)構(gòu)。本文為全面認(rèn)識科研合作中科研主導(dǎo)的空間特征及解決其空間偏差提供了一個全新窗口。
通過空間分析，本文發(fā)現(xiàn)全球科研主導(dǎo)空間聚集加劇?？蒲兄鲗?dǎo)量接近的科研機(jī)構(gòu)在地理上趨于接近，科研主導(dǎo)的正向空間自相關(guān)越來越明顯；亞洲國家的科研主導(dǎo)量增長明顯，越來越多的亞洲國家的研究者成為論文通訊作者角色；遠(yuǎn)距離和跨國的科研主導(dǎo)格局無明顯改變，歐美國家的科研機(jī)構(gòu)依然占據(jù)著遠(yuǎn)距離和跨國科研主導(dǎo)格局的制高點(diǎn)。
地理科研主導(dǎo)排名整合了科研主導(dǎo)的拓?fù)涮卣骱涂臻g特征：一個機(jī)構(gòu)有較多的科研主導(dǎo)量，高頻次地主導(dǎo)眾多參與機(jī)構(gòu)進(jìn)行科研合作；該機(jī)構(gòu)具有較大的科研主導(dǎo)半徑，參與機(jī)構(gòu)和它的地理距離大，甚至跨國；該機(jī)構(gòu)主導(dǎo)的其他參與機(jī)構(gòu)也具有較高的空間科研主導(dǎo)地位。研究結(jié)果表明，與傳統(tǒng)指標(biāo)相比，地理科研主導(dǎo)排名更接近科研機(jī)構(gòu)的學(xué)術(shù)影響力，尤其是最頂尖的科研機(jī)構(gòu)。此外，根據(jù)傳統(tǒng)指標(biāo)，不乏中國的科研機(jī)構(gòu)高居全球頂尖機(jī)構(gòu)榜首。中國科研機(jī)構(gòu)在發(fā)文量和合作網(wǎng)絡(luò)中的地位（入度、接近中心度、中介中心度、PageRank）等諸多維度下取得了長足的發(fā)展。然而，根據(jù)學(xué)術(shù)影響力（被引頻次、hg指數(shù)）和地理科研主導(dǎo)排名，中國科研機(jī)構(gòu)與歐美科研機(jī)構(gòu)還存在差距。從地理科研主導(dǎo)角度來看，中國的科研機(jī)構(gòu)雖然有大量的科研主導(dǎo)量，能夠高頻次地主導(dǎo)眾多參與機(jī)構(gòu)進(jìn)行科研合作，但是其科研主導(dǎo)半徑不足，只能整合近距離或國內(nèi)的科研學(xué)術(shù)資源，尚未深度嵌入全球科研共同體中。
本文的研究結(jié)果對中國的科研合作有以下幾點(diǎn)啟示：①科研人員應(yīng)該秉持科研無國界的理念，以促進(jìn)知識的交流與學(xué)術(shù)資源的優(yōu)化配置；②科研機(jī)構(gòu)可以為科研人員提供海外學(xué)術(shù)交流的機(jī)會，從而為科研人員之間的遠(yuǎn)距離和跨國科研合作減少阻礙；③我國應(yīng)該轉(zhuǎn)變粗放型的科研資助政策和科研評價(jià)體系，朝著科研成果的數(shù)量和質(zhì)量“兩手都要抓，兩手都要硬”的方向轉(zhuǎn)變。我國可以在科研資助政策、科研評價(jià)體系等多個方面促進(jìn)國內(nèi)科研機(jī)構(gòu)進(jìn)行遠(yuǎn)距離和跨國科研合作，擴(kuò)大我國科研機(jī)構(gòu)的科研主導(dǎo)半徑，在全球尺度內(nèi)整合高質(zhì)量的科研學(xué)術(shù)資源，強(qiáng)有力地推動國內(nèi)國際科研學(xué)術(shù)資源的流動與優(yōu)化配置，將中國的科研系統(tǒng)深度嵌入全球尺度的科研共同體中。
猜你喜歡
絳縣輸送80名農(nóng)民跨國務(wù)工今日農(nóng)業(yè)(2021年14期)2021-10-14 08:35:10 跨國大瀑布，一起去探秘下一代英才(酷炫少年)(2017年6期)2017-06-28 11:37:54 科研機(jī)構(gòu)科技成果規(guī)?；D(zhuǎn)化模式研究管理現(xiàn)代化(2016年3期)2016-02-06 02:05:00 企業(yè)-科研機(jī)構(gòu)合作創(chuàng)新的演化博弈分析財(cái)經(jīng)界(學(xué)術(shù)版)(2015年17期)2015-12-22 07:16:28 基層醫(yī)院藥學(xué)人員培養(yǎng)之思考中國中醫(yī)藥現(xiàn)代遠(yuǎn)程教育(2014年11期)2014-08-08 13:23:44 藥學(xué)有機(jī)化學(xué)實(shí)驗(yàn)教學(xué)改革探索衛(wèi)生職業(yè)教育(2014年24期)2014-05-20 09:05:40 光明日報(bào)《留學(xué)》雜志—跨國采訪實(shí)戰(zhàn)營留學(xué)(2014年21期)2014-05-03 06:54:24 《藥學(xué)進(jìn)展》在國內(nèi)66種藥學(xué)類期刊中篇均下載量排名第1位藥學(xué)進(jìn)展(2014年3期)2014-03-20 16:00:47 優(yōu)勢互補(bǔ),共同發(fā)展 德基機(jī)械與多家知名科研機(jī)構(gòu)展開技術(shù)合作筑路機(jī)械與施工機(jī)械化(2014年5期)2014-03-01 02:59:17 霍尼韋爾新型制冷劑獲歐盟科研機(jī)構(gòu)認(rèn)可化工生產(chǎn)與技術(shù)(2014年2期)2014-02-27 13:41:40
賀超城 ，吳 江 ，劉福珍 ，王春迎
（1. 武漢大學(xué)信息管理學(xué)院，武漢 430072；2. 武漢大學(xué)信息資源研究中心，武漢 430072；3. 香港理工大學(xué)商學(xué)院，香港 999077；4. 鄭州大學(xué)信息管理學(xué)院，鄭州 450001）
1 引 言
全球化的洶涌浪潮推動了各種資源的全球尺度流動與優(yōu)化配置，科研學(xué)術(shù)資源也不例外。在諸多領(lǐng)域，科研全球化產(chǎn)生了廣泛而又深遠(yuǎn)的學(xué)術(shù)和社會影響力[1]。其中，科研合作扮演了無可替代的角色。科研合作整合不同背景的互補(bǔ)的知識與技能，解決錯綜復(fù)雜的科學(xué)難題；科研合作融合多方靈感以及交互，激發(fā)顛覆性創(chuàng)新；科研合作通過精細(xì)化的分工協(xié)作大幅提升效率……隨著科研合作半徑的增長，科研主體們能在更大范圍內(nèi)找到合適的合作伙伴[2]?？蒲泻献鞯膬?yōu)勢也會隨著科研主體之間距離的增長而更加突出[3]。眾多國家/地區(qū)發(fā)布政策以鼓勵遠(yuǎn)距離和跨國科研合作。大部分東歐國家將科研人員的科研合作國際化程度納入考核標(biāo)準(zhǔn)[4]；中國的“十二五”科技發(fā)展規(guī)劃聲明，中國將進(jìn)一步加強(qiáng)國際化科研合作，積極參與國際科研組織與活動[5]。遠(yuǎn)距離和跨國科研合作極大地促進(jìn)了知識的創(chuàng)造與傳播，成為當(dāng)下日益流行的科研模式[6-7]。隨著交通和通信技術(shù)的進(jìn)步，地理距離對科研合作的阻礙明顯降低，但它依舊是不可忽視的影響因素[3]。與線上的文字或視頻交互相比，面對面、手把手的近距離交互能更高效地傳遞顯性知識，還能傳遞隱性知識（隱性知識常常無法通過線上渠道傳遞）。之前，我國985 高校在選擇合作伙伴時(shí)，表現(xiàn)出強(qiáng)烈的地域傾向，同城/同省的985 大學(xué)的合作頻率遠(yuǎn)遠(yuǎn)大于跨城/跨省的[8]。相比于學(xué)術(shù)機(jī)構(gòu)之間的科研合作，學(xué)術(shù)機(jī)構(gòu)與工業(yè)界的科研合作受到地理距離的影響更加明顯[9]。
因此，從空間的視角來理解和刻畫科研合作十分重要。然而，現(xiàn)有的研究存在以下兩方面不足。第一，現(xiàn)有關(guān)于科研合作的研究沒有充分考慮科研主體的空間特征。遠(yuǎn)距離和跨國的科研合作，較諸本地化的科研合作，往往產(chǎn)生更加高質(zhì)量、高影響力的成果[10]?？蒲兄黧w也有在更大的地理半徑內(nèi)拓展自己的合作網(wǎng)絡(luò)、擴(kuò)散自身學(xué)術(shù)影響力的傾向。然而，現(xiàn)有的科研合作網(wǎng)絡(luò)的研究注重拓?fù)涮卣?，忽略了對科研影響力有重要作用的空間特征，造成了模型的空間偏差。第二，現(xiàn)有的關(guān)于科研合作的研究沒有充分考慮科研合作中的主導(dǎo)作用。而科研主導(dǎo)對科研合作的發(fā)起、推進(jìn)、產(chǎn)出等各個階段都有著舉足輕重的意義[11-12]。如果沒有主導(dǎo)者的有序組織、精細(xì)分工和及時(shí)跟進(jìn)，再強(qiáng)大的科研陣容都是一盤散沙。在合著論文中，第一作者和通訊作者往往是合作的主導(dǎo)者，因?yàn)樗麄儗献髯龀隽俗钪饕呢暙I(xiàn)。主導(dǎo)作者與參與作者（非第一或非通訊的其他作者）之間的合作關(guān)系要強(qiáng)于參與作者之間的合作關(guān)系[13]。更有甚者，參與作者之間可能素未謀面，而主導(dǎo)作者與參與作者之間的合作關(guān)系便構(gòu)成了科研合作的骨架，支撐起了整個合作過程。然而，現(xiàn)有研究對各種作者之間的關(guān)系等量齊觀，忽略了主導(dǎo)作者在科研合作中的主導(dǎo)作用。
為了填補(bǔ)上述空白，本文參考既有的科研主導(dǎo)的概念與測度[14]，聚焦于藥學(xué)領(lǐng)域（pharmaceutical science），利用 Web of Science 2010—2018 年的合著論文數(shù)據(jù)，對全球藥學(xué)領(lǐng)域的科研主導(dǎo)進(jìn)行全面的空間分析，并整合科研主導(dǎo)關(guān)系的網(wǎng)絡(luò)特征和空間特征，提出地理科研主導(dǎo)排名（GeoLeaderRank）。本文之所以選擇藥學(xué)是因?yàn)樵擃I(lǐng)域的研究對跨學(xué)科、多樣化的知識融合有強(qiáng)烈的需求，該領(lǐng)域的研發(fā)對國際化、多部門的外包有強(qiáng)烈的依賴[15]。最后，本文用地理科研主導(dǎo)排名對科研機(jī)構(gòu)的學(xué)術(shù)影響力進(jìn)行預(yù)測及驗(yàn)證，并與傳統(tǒng)指標(biāo)進(jìn)行比較。
2 文獻(xiàn)綜述
2.1 空間科研合作
科研活動在國家、地區(qū)、城市等空間層面的不均勻分布，決定了其空間特征的重要意義?！翱臻g科學(xué)計(jì)量學(xué)”最早由Frenken 等[16]提出，涉及論文與引文的空間分布、科研主體對合作伙伴選擇的空間偏好、不同尺度空間合作類型對科研成果的學(xué)術(shù)影響力的作用等?，F(xiàn)有空間科研合作的研究主要關(guān)注科研活動的空間分布及其演化、空間鄰近性因素的影響。在全球范圍內(nèi)，科研活動越來越受到頂尖發(fā)達(dá)國家的主導(dǎo)，科研的兩極分化進(jìn)一步加深[17]。在歐洲范圍內(nèi)，Nita 等[18]通過社會網(wǎng)絡(luò)分析發(fā)現(xiàn)，西歐國家的各項(xiàng)指標(biāo)都明顯高于東歐國家，西歐國家在歐洲科研合作網(wǎng)絡(luò)中占據(jù)主導(dǎo)優(yōu)勢。在中國范圍內(nèi)，北京處于整個國家科研合作網(wǎng)絡(luò)的絕對核心位置，江蘇和廣東緊隨其后，西部地區(qū)明顯落后于東部地區(qū)[19]。地理距離對科研合作的阻礙作用在國際[17]、區(qū)域[20]、國內(nèi)[21]等層面依舊明顯。
2.2 科研主導(dǎo)
科研活動內(nèi)在的復(fù)雜性與邏輯性決定了科研合作是一個高度非線性和充滿不確定性的過程[22]。其中，科研主導(dǎo)起到了舉足輕重的作用。例如，在物理學(xué)、生物醫(yī)學(xué)領(lǐng)域，第一作者往往負(fù)責(zé)研究的執(zhí)行，其他參與作者則做出專業(yè)化的貢獻(xiàn)[23]。通訊作者除了學(xué)術(shù)性貢獻(xiàn)外，還做出了大量對科研合作必不可少的非學(xué)術(shù)性貢獻(xiàn)[5]：科研合作的選題、合作環(huán)境的創(chuàng)建、科研進(jìn)程的協(xié)調(diào)、行文脈絡(luò)的布局、終版稿件的投遞、期刊編輯的溝通……在有基金支持的論文中，通訊作者往往是基金的提供方[5]。通訊作者有力地整合了各方科研學(xué)術(shù)資源，對科研合作的整個生命周期做出了最為實(shí)質(zhì)的主導(dǎo)貢獻(xiàn)。He等[14]在機(jī)構(gòu)層面探究科研合作中的科研主導(dǎo)，并采用分?jǐn)?shù)計(jì)數(shù)法，定義一篇科研論文的科研主導(dǎo)量為1，科研主導(dǎo)流的方向是從主導(dǎo)機(jī)構(gòu)指向參與機(jī)構(gòu)。在一篇文章i中，從主導(dǎo)機(jī)構(gòu)a指向參與機(jī)構(gòu)b的科研主導(dǎo)流強(qiáng)度Cab,i為
其中，Di指文章i中主導(dǎo)機(jī)構(gòu)（通訊作者所在機(jī)構(gòu)）的數(shù)量；Ni指文章i的機(jī)構(gòu)數(shù)量。從主導(dǎo)機(jī)構(gòu)a到參與機(jī)構(gòu)b的總科研主導(dǎo)流強(qiáng)度Cab為
其中，Mab指a為主導(dǎo)機(jī)構(gòu)、b為參與機(jī)構(gòu)的所有合著論文數(shù)量。機(jī)構(gòu)a的總科研主導(dǎo)量Ca為
其中，B指機(jī)構(gòu)a所主導(dǎo)的所有參與機(jī)構(gòu)數(shù)量。
3 研究方法與數(shù)據(jù)來源
3.1 地理科研主導(dǎo)網(wǎng)絡(luò)構(gòu)建
地理距離不能全面反映科研活動的空間特征。Wu[24]指出，美國東海岸研究者的一篇文章被西海岸研究者引用，相比于英國研究者的一篇文章被法國研究者引用，前者雖然地理距離大于后者，但是不一定比后者有更高的學(xué)術(shù)價(jià)值，因?yàn)楹笳呤强鐕?。同理，地理距離也沒有全面反映科研合作的地理特征。Boschma[25]提出了科研合作與知識流動的五種鄰近性影響因素，基于此，諸多研究者結(jié)合引力模型探究了各種鄰近性對科研合作、創(chuàng)新及知識流動的影響[2,26]：
其中，Iab指a和b的科研合作強(qiáng)度（合作發(fā)文量）；Distanceab指a和b的地理距離；Countryab為虛擬變量，當(dāng)a和b在同一個國家時(shí)，Countryab=1，當(dāng)a和b不在同一個國家時(shí)，Countryab=0[2]。從空間特征的角度來看，機(jī)構(gòu)a和b之間科研合作強(qiáng)度是lgDistanceab和Countryab的線性組合。本文定義總科研主導(dǎo)流強(qiáng)度Cab的空間分?jǐn)?shù)為
其中，Country′ab依然是一個虛擬變量，但是當(dāng)a和b在同一個國家時(shí)，Country′ab=0，當(dāng)a和b不在同一個 國 家 時(shí) ， Country′ab=1；λ是 指 兩 個 變 量lgDistanceab和 Country′ab的 比 例 系 數(shù) ，在2010—2018 年的藥學(xué)領(lǐng)域，本文基于引力模型的Tobit 回歸[14]得到λ=1.32。當(dāng)a和b的地理距離越遠(yuǎn)，a和b之間跨國時(shí)，a和b的科研合作概率就越小，合作的空間分?jǐn)?shù)也就越高。本文定義文章i的空間分?jǐn)?shù)為該文章的主導(dǎo)機(jī)構(gòu)與所有參與機(jī)構(gòu)的科研主導(dǎo)流的空間分?jǐn)?shù)均值：
其中，Na是主導(dǎo)機(jī)構(gòu)的數(shù)量；Nb是文章i中參與機(jī)構(gòu)的數(shù)量。SCi越大，表明文章i的主導(dǎo)機(jī)構(gòu)的科研主導(dǎo)半徑越大，國際化程度越高。在文章i中，我們定義從參與機(jī)構(gòu)b指向主導(dǎo)機(jī)構(gòu)a的地理科研主導(dǎo)流的強(qiáng)度GeoDba,i為
則在所有文章中，從參與機(jī)構(gòu)b到主導(dǎo)機(jī)構(gòu)a的總地理科研主導(dǎo)流強(qiáng)度GeoDba為
其中，Mab是以a為主導(dǎo)機(jī)構(gòu)、b為參與機(jī)構(gòu)的所有合著論文的數(shù)量。我們定義的地理科研主導(dǎo)流的方向與文獻(xiàn)[17]的科研主導(dǎo)流的方向相反，即從參與機(jī)構(gòu)指向主導(dǎo)機(jī)構(gòu)；而科研主導(dǎo)流的方向與文獻(xiàn)[17]的相一致，即從主導(dǎo)機(jī)構(gòu)流向參與機(jī)構(gòu)。正如在引文網(wǎng)絡(luò)中，知識是從被引文獻(xiàn)流向施引文獻(xiàn)的那樣，引文方向則是從施引文獻(xiàn)指向被引文獻(xiàn)，知識流動與引文方向相反，是從被引文獻(xiàn)流向施引文獻(xiàn)。本文以機(jī)構(gòu)與機(jī)構(gòu)之間的地理科研主導(dǎo)流為網(wǎng)絡(luò)的連邊，以主導(dǎo)/參與機(jī)構(gòu)為網(wǎng)絡(luò)的節(jié)點(diǎn)，建立加權(quán)有向的地理科研主導(dǎo)網(wǎng)絡(luò)。圖1 是基于三篇論文以及各個機(jī)構(gòu)之間的距離以及國家等地理信息建立的地理科研主導(dǎo)網(wǎng)絡(luò)。
圖1 地理科研主導(dǎo)網(wǎng)絡(luò)模型
3.2 地理科研主導(dǎo)排名
本文整合科研主導(dǎo)的拓?fù)涮卣骱涂臻g特征，基于PageRank 算法提出地理科研主導(dǎo)排名（GeoLead‐erRank）。PageRank 作為鏈接分析的代表性算法，提出伊始便受到了學(xué)術(shù)界和工業(yè)界的重視，Pag‐eRank 也被廣泛用于科學(xué)計(jì)量中，如基于合作網(wǎng)絡(luò)或引文網(wǎng)絡(luò)對科研人員[27]、學(xué)術(shù)論文[28]、學(xué)術(shù)期刊[29]等進(jìn)行排序。具體而言，本文依據(jù)以下標(biāo)準(zhǔn)認(rèn)定一個機(jī)構(gòu)具有較高的地理科研主導(dǎo)地位：①該機(jī)構(gòu)有較多的科研主導(dǎo)量，高頻次地主導(dǎo)眾多參與機(jī)構(gòu)進(jìn)行科研合作；②該機(jī)構(gòu)具有較大的科研主導(dǎo)半徑，參與機(jī)構(gòu)與它有較遠(yuǎn)的地理距離，甚至跨國；③該機(jī)構(gòu)主導(dǎo)的其他參與機(jī)構(gòu)也具有較高的地理科研主導(dǎo)地位。我們在計(jì)算節(jié)點(diǎn)的Ge‐oLeaderRank 時(shí)，基于地理科研主導(dǎo)網(wǎng)絡(luò)進(jìn)行隨機(jī)游走，設(shè)在第t次迭代時(shí)，節(jié)點(diǎn)a的GeoLeaderRank為GeoLeaderRanka(t)，則在第t+1 次迭代時(shí)，為
其中，d是阻尼系數(shù)，一般為0.85[30]；N表示網(wǎng)絡(luò)中節(jié)點(diǎn)（科研機(jī)構(gòu)）的數(shù)量；In(a)表示指向a的所有節(jié)點(diǎn)的集合，即a主導(dǎo)的所有參與機(jī)構(gòu)的集合。整個迭代過程中，初始時(shí)每個節(jié)點(diǎn)的GeoLead‐erRank 都設(shè)為1，多次迭代后，會收斂到GeoLeader‐Ranka(∞)，a= 1,2,…,N。我們根據(jù)GeoLeaderRanka(∞)（a=1,2,…,N）來對各個機(jī)構(gòu)進(jìn)行排序。
3.3 數(shù)據(jù)來源
本文以Web of Science 核心合集的題錄數(shù)據(jù)為原始數(shù)據(jù)，以“‘Web of Science 類別’=藥學(xué)領(lǐng)域(Biochemistry & Molecular Biology, Biotechnology &Applied Microbiology, Chemistry, Applied, Chemistry,Medicinal, Medicine, Research & Experimental, Phar‐macology & Pharmacy and Toxicology)[13]并且‘出版年份’=2010-2018”為檢索式進(jìn)行檢索，檢索時(shí)間為2019 年7 月21 日，檢索結(jié)果剔除了會議、摘要、綜述、編輯材料等非期刊論文，最終得到323146 篇至少有2 個機(jī)構(gòu)合作的科研論文。為了更好地構(gòu)建地理科研主導(dǎo)網(wǎng)絡(luò)，本文篩選了2459 個每年都有科研主導(dǎo)量的機(jī)構(gòu)，并借助谷歌地圖（Google Map）獲取了每個機(jī)構(gòu)的經(jīng)緯度以及所在國家等地理信息。
4 科研主導(dǎo)的空間分析
4.1 全球藥學(xué)領(lǐng)域科研主導(dǎo)的空間聚集加劇
全球藥學(xué)領(lǐng)域科研主導(dǎo)量在地理上的分布呈現(xiàn)出進(jìn)一步的聚集效應(yīng)。一個科研機(jī)構(gòu)的科研主導(dǎo)量（該機(jī)構(gòu)作為通訊作者所在機(jī)構(gòu)的發(fā)文量）反映了該機(jī)構(gòu)主導(dǎo)其他參與機(jī)構(gòu)、整合科研學(xué)術(shù)資源的能力[14]。若一個科研機(jī)構(gòu)具有較高的科研主導(dǎo)量，并且其附近的科研機(jī)構(gòu)也具有較高的科研主導(dǎo)量，則說明科研主導(dǎo)量在空間上呈現(xiàn)聚集效應(yīng)，科研主導(dǎo)量具有正向的空間自相關(guān)；反之，若一個科研機(jī)構(gòu)具有較高的科研主導(dǎo)量，而它周邊的科研機(jī)構(gòu)的科研主導(dǎo)量較低，則說明科研主導(dǎo)量具有負(fù)向的空間自相關(guān)。本文采用全局空間自相關(guān)分析[31]，通過Moran's I 統(tǒng)計(jì)量進(jìn)行測度，其值域?yàn)閇-1,1]。Moran's I＜0，表示科研主導(dǎo)量呈現(xiàn)空間負(fù)相關(guān)；Moran's I=0，表示科研主導(dǎo)量不存在空間自相關(guān)特征；Moran's I＞0，表示科研主導(dǎo)量呈現(xiàn)空間正相關(guān)。全局空間自相關(guān)指數(shù)Moran's I 的計(jì)算公式為
其中，n為科研機(jī)構(gòu)數(shù)量；xa和xb分別表示科研機(jī)構(gòu)a和b的科研主導(dǎo)量；表示所有科研機(jī)構(gòu)的科研主導(dǎo)量均值；Wab為空間權(quán)重矩陣，Wab=若機(jī)構(gòu)a和b距離越遠(yuǎn)，則兩者的空間權(quán)重越小。
本文使用ArcGIS 軟件計(jì)算2010—2018 年全球藥學(xué)領(lǐng)域的科研主導(dǎo)量的全局Moran's I。如圖2 所示，在2010—2018 年，全球藥學(xué)領(lǐng)域科研主導(dǎo)量全局Moran's I 指數(shù)均為正數(shù)，且均通過0.05 水平的顯著性檢驗(yàn)，表明2010—2018 年，全球藥學(xué)領(lǐng)域科研主導(dǎo)量呈現(xiàn)顯著的正向空間自相關(guān)特征，科研主導(dǎo)量接近的機(jī)構(gòu)在地理上也趨于接近；通過觀察Mo‐ran's I 曲線的走勢，本文發(fā)現(xiàn)總體而言Moran's I 指數(shù)在2010—2018 年呈現(xiàn)上升趨勢，這表明全球藥學(xué)領(lǐng)域科研主導(dǎo)的空間聚集加劇。
圖2 2010—2018年全球科研主導(dǎo)量全局Moran's I指數(shù)
4.2 亞洲國家的科研主導(dǎo)量增長明顯
為了直觀地刻畫全球藥學(xué)領(lǐng)域科研主導(dǎo)量的地理分布，本文對其在2010—2013 年與2015—2018年的地理分布進(jìn)行了可視化，如圖3 所示；本文也比較了各國的科研主導(dǎo)量，如圖4 所示。在圖3 中，每個散點(diǎn)表示一個科研機(jī)構(gòu)，散點(diǎn)半徑表示其科研主導(dǎo)量大小?？蒲兄鲗?dǎo)量的地理分布呈現(xiàn)三個主要的集群：北美集群、西歐集群以及東亞集群。亞洲國家（中國、印度等）的科研機(jī)構(gòu)在科研主導(dǎo)量上有明顯的增長。在2010—2013 年，大部分合著論文由歐美機(jī)構(gòu)研究者承擔(dān)通訊作者，占據(jù)了藥學(xué)領(lǐng)域科研主導(dǎo)量的制高點(diǎn)。在2015—2018 年，全球藥學(xué)科研主導(dǎo)格局產(chǎn)生了微妙的變化，來自中國機(jī)構(gòu)的科研主導(dǎo)量由原先的零星分布變成了連續(xù)的大而稠密的分布。圖4 顯示，在前20 位的國家相對比例中，排名第1 位的美國由2010—2013 年的29.1%降到了2015—2018 年的23.3%；而排名第2 位的中國由2010—2013 年的15.2%上升到了2015—2018 年的23.2%。全球的藥學(xué)科研主導(dǎo)不再由歐美一家獨(dú)大，越來越多的亞洲國家的研究者成為論文通訊作者。
圖3 全球藥學(xué)領(lǐng)域科研主導(dǎo)量地理分布圖
圖4 全球藥學(xué)領(lǐng)域科研主導(dǎo)量比例圖
4.3 遠(yuǎn)距離和跨國科研主導(dǎo)格局無明顯改變
為了全面地認(rèn)識全球藥學(xué)領(lǐng)域科研主導(dǎo)流的地理格局，本文對其在2010—2013 年與2015—2018年的地理分布進(jìn)行了可視化，如圖5 所示；本文也比較了各國的跨國科研主導(dǎo)流，如圖6 所示。在圖5 中，每條連邊表示一束科研主導(dǎo)流，連邊的粗細(xì)對應(yīng)科研主導(dǎo)流的大小。遠(yuǎn)距離和跨國科研主導(dǎo)格局無明顯改變。2010—2013 年，全球的科研主導(dǎo)流相對細(xì)小且稀疏；2015—2018 年，全球的科研主導(dǎo)流相對粗大且密集。在遠(yuǎn)距離和跨國科研主導(dǎo)格局上，美國東海岸與西歐之間的科研主導(dǎo)流，無論是在2010—2013 年還是在2015—2018 年都是最高的。中國的科研主導(dǎo)流在2010—2013 年與2015—2018年都主要局限在國內(nèi)，其中環(huán)渤海、長三角、珠三角、華中、臺灣等區(qū)域之間的科研主導(dǎo)流比較明顯。
圖5 全球藥學(xué)領(lǐng)域科研主導(dǎo)流地理分布圖
圖6 展示了跨國科研主導(dǎo)流（前20 個國家之間）弦圖。它不僅顯示了各個國家之間的跨國科研主導(dǎo)流的相對比例和絕對數(shù)值，還顯示了方向。每個國家都有科研主導(dǎo)流的輸入（外國科研機(jī)構(gòu)為通訊作者所在機(jī)構(gòu)，本國科研機(jī)構(gòu)為參與作者所在機(jī)構(gòu)）和輸出（本國科研機(jī)構(gòu)為通訊作者所在機(jī)構(gòu)，外國科研機(jī)構(gòu)為參與作者所在機(jī)構(gòu)），每個國家輸出的科研主導(dǎo)流與該國顏色一致。如圖6 所示，美國占據(jù)了全球跨國科研主導(dǎo)流近1/4 的比例，遙遙領(lǐng)先，且其輸出的科研主導(dǎo)流相對均勻地分散在各個國家中。中國、德國、英國等國家的跨國科研主導(dǎo)流緊隨美國之后，且彼此之間較為接近。總體而言，無論是2010—2013 年還是2015—2018 年，歐美國家的科研機(jī)構(gòu)都占據(jù)了遠(yuǎn)距離和跨國科研主導(dǎo)格局的制高點(diǎn)。
圖6 全球藥學(xué)領(lǐng)域跨國科研主導(dǎo)流弦圖(彩圖請見http://qbxb.istic.ac.cn/CN/volumn/home.shtml)
5 結(jié)果分析與評估
5.1 GeoLeaderRank與其他指標(biāo)的相關(guān)性分析
科研合作網(wǎng)絡(luò)中，節(jié)點(diǎn)的入度、中介中心度、接近中心度[33]、PageRank 以及節(jié)點(diǎn)的發(fā)文量[24]等是廣泛采用的衡量節(jié)點(diǎn)重要性的典型指標(biāo)。表1 是GeoLeaderRank 與入度、中介中心度、接近中心度、PageRank 和發(fā)文量之間的斯皮爾曼相關(guān)性分析（序列相關(guān)性分析）。所有指標(biāo)都高度相關(guān)（相關(guān)系數(shù)＞0.7），且都在P＜0.01 的顯著性范圍內(nèi)。總體而言，GeoLeaderRank 與傳統(tǒng)指標(biāo)一樣，能夠較好地衡量科研合作網(wǎng)絡(luò)中節(jié)點(diǎn)的重要性。
表1 斯皮爾曼相關(guān)性分析
5.2 指標(biāo)評價(jià)
為了衡量并驗(yàn)證GeoLeaderRank，本文將基于GeoLeaderRank 的科研機(jī)構(gòu)排序與基于學(xué)術(shù)影響力的排序相似度跟其他傳統(tǒng)指標(biāo)進(jìn)行對比。學(xué)術(shù)影響力采用被引頻次 （citation） 和hg指數(shù) （hg-index），序列相似度則采用KSim 和OSim。首先，關(guān)于學(xué)術(shù)影響力，被引頻次在衡量學(xué)術(shù)影響力方面還是存在諸多缺陷，例如，被引頻次容易被人為操控，不夠穩(wěn)健。為此，Hirsch[34]提出了H指數(shù)（H-index），H指數(shù)全面考慮了科研主體的數(shù)量和質(zhì)量。但是受到被引頻次的偏斜分布的影響[35]，H指數(shù)會忽略掉頭部的高被引論文，將其余頭部的H篇論文等量齊觀[36]。因此，Egghe[37]提出了g指數(shù) （g-index）：“若某個科研主體最多有g(shù)篇論文，其被引頻次之和至少為g2，則其g-index 為g?！辈贿^g指數(shù)會因?yàn)闃O個別的高被引論文而急劇增長，權(quán)衡上述優(yōu)缺點(diǎn)，Alonso 等[38]提出了hg指數(shù)：綜合各項(xiàng)指標(biāo)的特點(diǎn)，本文采用被引頻次和hg指數(shù)來衡量社會顯示度和學(xué)術(shù)影響力。其次，關(guān)于序列相似度， 我們采用兩種測度方式[39]， 第一種為OSim(τ1,τ2)。設(shè)序列τ1的前k個元素組成的集合為A，序列τ2的前k個元素組成的集合為B，則第二種為 KSim(τ,τ)。設(shè)兩12個序列τ1和τ2的長度都為k，U是兩個序列的元素組成的并集，如果δ1=U-τ1，令τ′1是由原序列τ1和集合δ1中的元素組成的延長序列，我們對τ2進(jìn)行對等 的 延 長 操 作 得 到τ′2， 則 KSim(τ1,τ2)=一言以蔽之，OSim(τ1,τ2)只關(guān)注序列τ1和τ2前k個元素的重疊度，KSim(τ1,τ2)考慮到了兩個序列中元素的相對順序。
圖7 顯示了GeoLeaderRank 和影響力指標(biāo)（被引頻次、hg指數(shù)）的排序相似度（OSim 和Ksim）以及傳統(tǒng)指標(biāo)和影響力指標(biāo)的排序相似度（前300 位的排序相似度）[40]。在圖7 的4 個子圖中，Ge‐oLeaderRank 的相似度都是最高的。這說明相比于其他傳統(tǒng)指標(biāo)，GeoLeaderRank 給出的排序最接近機(jī)構(gòu)的學(xué)術(shù)影響力排序。在TopN較小時(shí)，即識別頭部最頂尖的科研機(jī)構(gòu)時(shí)，GeoLeaderRank 表現(xiàn)最優(yōu)。在圖7c 中，GeoLeaderRank 的柱狀圖遠(yuǎn)遠(yuǎn)高于其他柱狀圖，而在圖7a 中，GeoLeaderRank 的柱狀圖略微高于其他柱狀圖，這一點(diǎn)在圖7b 和圖7d 中也得到了印證。因?yàn)閔g指數(shù)在反映科研機(jī)構(gòu)的社會顯示度和學(xué)術(shù)影響力方面比被引頻次更穩(wěn)健，對人為操控更具有魯棒性，所以在識別最頂尖科研機(jī)構(gòu)時(shí)，GeoLeaderRank 更卓著。當(dāng)TopN較大時(shí)（大于 50），圖 7 的 4 個子圖中，GeoLeaderRank 的柱狀圖依然遙遙領(lǐng)先。從被引頻次角度來看，PageRank的相似度僅次于GeoLeaderRank；但是從hg指數(shù)的角度來看，PageRank 的相似度明顯小于GeoLeader‐Rank。這說明考慮了空間特征的GeoLeaderRank 確實(shí)提高了區(qū)分科研機(jī)構(gòu)學(xué)術(shù)影響力的能力。值得注意的是，雖然接近中心度跟被引頻次的相似度并不高，但是接近中心度跟hg指數(shù)的相似度上卻與Ge‐oLeaderRank 跟hg指數(shù)的相似度的水平相當(dāng)，尤其是在TopN＞200 之后，接近中心度跟GeoLeaderRank不相上下。根據(jù)社會網(wǎng)絡(luò)理論，節(jié)點(diǎn)的接近中心度越高，其與網(wǎng)絡(luò)中其他節(jié)點(diǎn)的最短路徑越短，所以其整合科研學(xué)術(shù)資源的能力就越高，學(xué)術(shù)影響力因此變得更高。一般而言，入度越高的節(jié)點(diǎn)，其主導(dǎo)的科研機(jī)構(gòu)越多，能夠整合的科研學(xué)術(shù)資源也可能越多。然而，入度跟被引頻次和hg指數(shù)的相似度表現(xiàn)平平，這可能是因?yàn)槿攵雀叩闹鲗?dǎo)機(jī)構(gòu)所主導(dǎo)的參與機(jī)構(gòu)數(shù)量雖然很多，但是這些參與機(jī)構(gòu)與主導(dǎo)機(jī)構(gòu)的地理距離很近，主導(dǎo)機(jī)構(gòu)只能主導(dǎo)局部地區(qū)的科研學(xué)術(shù)資源。至于發(fā)文量，一個機(jī)構(gòu)的發(fā)文量越大，其學(xué)術(shù)影響力也應(yīng)該越大；可是，發(fā)文量與被引頻次的相似度并不高，甚至發(fā)文量與hg指數(shù)的相似度僅僅比最低的中介中心度略高。這說明很多被引頻次很高的科研機(jī)構(gòu)發(fā)表的文章質(zhì)量并不高，其被引頻次的突出只是發(fā)文量大的結(jié)果。hg指數(shù)全面考慮了發(fā)文的質(zhì)和量，從hg指數(shù)的角度來看，這些科研機(jī)構(gòu)便不再突出了。
圖7 序列相似度比較
5.3 機(jī)構(gòu)排序?qū)Ρ?/h3>
erRank aead cad Sci GeoL Chinese A量文cad Sci發(fā)Chinese A入cad S ci度ese A in Ch）位20度前心（名中cad Sci介排中構(gòu)機(jī)Chinese A研科的下度心標(biāo)中cad Sci指近個接各Chinese A 2表PageRank cad Sci Chinese A次頻被引niv Harvard U數(shù)hg指niv Harvard U niv Harvard U niv Harvard U niv Harvard U niv Harvard U niv Harvard U lo au Univ Sao P ci cad S ese A in Ch MIT RS CN cad Sci Russian A ichigan iv M Un aulo Univ Sao P SD UC niv Harvard U ge brid am iv C Un niv Stanford U okyo Univ T aulo Univ Sao P SD UC okyo Univ T ichigan Univ M CSIC xford iv O Un SF UC xford Univ O SJTU xford iv O Un CSIC xford Univ O SD UC SD UC bridge am Univ C bridge am Univ C okyo Univ T ge brid am iv C Un xford Univ O bridge am Univ C xford Univ O SF UC SD UC oronto Univ T RS CN enhagen op iv C Un niv d U King Sau Univ Illinois ichigan Univ M niv Stanford U erkeley alif B Univ C SD UC oronto Univ T iv Illinois Un bridge am Univ C niv ford U Stan niv Zhejiang U to oron iv T Un xford Univ O openhagen Univ C niv atl U Seoul N aulo ao P iv S Un niv Kyoto U hagen open Univ C bridge am Univ C MIT H MG SF UC niv Zhejiang U niv ejiang U Zh ichigan Univ M I NC okyo Univ T n en iv P Un enn Univ P I NC niv Fudan U IC CS hagen open Univ C enn Univ P openhagen Univ C RS CN oronto Univ T ichigan Univ M hagen open Univ C yo ok iv T Un SD UC niv Yale U niv Peking U erkeley alif B iv C Un niv Yale U ashington Univ W SD UC niv opkins U s H John niv Zhejiang U niv opkins U Johns H ois Univ Illin enhagen op iv C Un niv Duke U niv kins U op Johns H ichigan Univ M niv Peking U Univ Illinois oronto Univ T niv Kyoto U ichigan iv M Un hagen open Univ C niv Stanford U xford Univ O Carolina iv N Un Karolinska Inst niv Ohio State U SJTU yo ok iv T Un MI HH enn Univ P niv Peking U niv Stanford U RS CN isconsin Univ W niv opkins U Johns H ashington iv W Un ashington Univ W niv Duke U Univ Illinois aryland iv M Un niv opkins U Johns H SF UC AM UN niv ke U Du LA UC ois Univ Illin Carolina Univ N SJTU I NC niv Fudan U Karolinska Inst LA UC niv opkins U Johns H Carolina Univ N niv at Sen U n Y Su ittsburgh iv P Un L UC niv McGill U Carolina Univ N niv opkins U s H John cad Sci Chinese A niv Yale U bridge am Univ C lorida iv F Un niv atl U Seoul N ashington Univ W niv Ohio State U niv Yale U niv Columbia U ientíficas ong :CL es C r de Investigacion hanghai Jiao T ollege;U U: S edical C JT; S nion M uperio iego g U in ek sejo S an D:P on MD SIC: C alifornia S PU f C ces;; C cien SA te, U niversity o edical S ancer Institu D: U CS; U cademy of M nal C rancisco atio an F CI: N Chinese A S:esearch); N alifornia, S AM ngeles;C cientific R niversity of C Los A edical Institute.tre for S The U F:alifornia,hes M ug en CS ational C y; U niversity of C ard H ow cientifique (French N echnolog te of T :U LA MI:H HH exico;UC ospital;assachusetts Institu f M echerche S eneral H: M niversity o nal de la R IT ncil); M ous U utonom Massachusetts G H:atio ou MG tre N don;en esearch C National A on S: C M:NR nal R NA ollege L: C atio;U注panish N ersity ersity C(S Univ iv Un
為了對本文提出的GeoLeaderRank 和其他指標(biāo)的排序有更直觀的理解，表2 給出了基于GeoLead‐erRank、被引頻次、hg指數(shù)和其他傳統(tǒng)指標(biāo)的科研機(jī)構(gòu)排序（前20 位）。表3 給出了在GeoLeaderRank下前20 位的科研機(jī)構(gòu)在被引頻次、hg指數(shù)和其他傳統(tǒng)指標(biāo)下的排序比較?；诓煌笜?biāo)的科研機(jī)構(gòu)排序有著微妙的差異。哈佛大學(xué)（Harvard Univ）、牛津大學(xué)（Univ Oxford）、劍橋大學(xué)（Univ Cam‐bridge）、加州大學(xué)圣地亞哥分校（UCSD）和中國科學(xué)院（Chinese Acad Sci）等五個機(jī)構(gòu)無論在哪個指標(biāo)下都名列前20 位，尤其是哈佛大學(xué)在各種指標(biāo)中都數(shù)一數(shù)二，說明哈佛大學(xué)是絕對的頂尖機(jī)構(gòu)。中國科學(xué)院在發(fā)文量、接近中心度、入度等各個指標(biāo)中高居榜首，被引頻次位列第2 位，但其hg指數(shù)僅排第19 位，這反映出中國科學(xué)院的真正的學(xué)術(shù)影響力與頂尖機(jī)構(gòu)還有一定差距。總體上，位列GeoLeaderRank 前20 位的機(jī)構(gòu)也位列被引頻次、hg指數(shù)的前茅。值得注意的是，在傳統(tǒng)指標(biāo)下，一些中國的科研機(jī)構(gòu)頻頻出現(xiàn)在前20 位的榜單上。例如，在發(fā)文量指標(biāo)下，上海交通大學(xué)位列第5位，浙江大學(xué)、復(fù)旦大學(xué)、北京大學(xué)和中山大學(xué)也都位列前20 位。在入度、中介中心度、接近中心度、PageRank 等指標(biāo)的前20 位榜單中，都有中國科研機(jī)構(gòu)出現(xiàn)。這反映了中國的科研機(jī)構(gòu)在發(fā)文量、合作網(wǎng)絡(luò)中的地位（入度、接近中心度、中介中心度、PageRank）等諸多維度下取得了長足的發(fā)展。這一點(diǎn)也印證了第4.2 節(jié)的發(fā)現(xiàn)——亞洲國家的科研主導(dǎo)量增長明顯。然而，在GeoLeaderRank、被引頻次、hg指數(shù)等指標(biāo)的（前20 位）榜單中，中國科研機(jī)構(gòu)的表現(xiàn)不能盡如人意。除了中國科學(xué)院分別位列第1、第2 和第19 位外，沒有其他任何一所中國科研機(jī)構(gòu)上榜。這反映了中國科研機(jī)構(gòu)的學(xué)術(shù)影響力與歐美機(jī)構(gòu)相比還存在差距。從空間科研主導(dǎo)的角度來看，中國科研機(jī)構(gòu)沒有足夠的遠(yuǎn)距離和跨國的科研主導(dǎo)；中國科研機(jī)構(gòu)的科研資源的整合半徑不夠大，沒有深度嵌入全球化的科研共同體中。這一點(diǎn)也印證了第4.3 節(jié)的發(fā)現(xiàn)——遠(yuǎn)距離和跨國的科研主導(dǎo)格局依舊由歐美國家占據(jù)制高點(diǎn)，無明顯改變。
表3 GeoLeaderRank和其他指標(biāo)下的科研機(jī)構(gòu)排名比較
6 研究結(jié)論及啟示
科研主導(dǎo)在科研合作中不可或缺，而空間特征對科研合作的形成和產(chǎn)出都有重要的影響。本文通過空間分析，揭示了全球科研主導(dǎo)量和科研主導(dǎo)流的空間分布及其演化；同時(shí)，本文進(jìn)一步提出地理科研主導(dǎo)排名（GeoLeaderRank），以識別具有遠(yuǎn)距離和跨國科研主導(dǎo)能力的科研機(jī)構(gòu)。本文為全面認(rèn)識科研合作中科研主導(dǎo)的空間特征及解決其空間偏差提供了一個全新窗口。
通過空間分析，本文發(fā)現(xiàn)全球科研主導(dǎo)空間聚集加劇?？蒲兄鲗?dǎo)量接近的科研機(jī)構(gòu)在地理上趨于接近，科研主導(dǎo)的正向空間自相關(guān)越來越明顯；亞洲國家的科研主導(dǎo)量增長明顯，越來越多的亞洲國家的研究者成為論文通訊作者角色；遠(yuǎn)距離和跨國的科研主導(dǎo)格局無明顯改變，歐美國家的科研機(jī)構(gòu)依然占據(jù)著遠(yuǎn)距離和跨國科研主導(dǎo)格局的制高點(diǎn)。
地理科研主導(dǎo)排名整合了科研主導(dǎo)的拓?fù)涮卣骱涂臻g特征：一個機(jī)構(gòu)有較多的科研主導(dǎo)量，高頻次地主導(dǎo)眾多參與機(jī)構(gòu)進(jìn)行科研合作；該機(jī)構(gòu)具有較大的科研主導(dǎo)半徑，參與機(jī)構(gòu)和它的地理距離大，甚至跨國；該機(jī)構(gòu)主導(dǎo)的其他參與機(jī)構(gòu)也具有較高的空間科研主導(dǎo)地位。研究結(jié)果表明，與傳統(tǒng)指標(biāo)相比，地理科研主導(dǎo)排名更接近科研機(jī)構(gòu)的學(xué)術(shù)影響力，尤其是最頂尖的科研機(jī)構(gòu)。此外，根據(jù)傳統(tǒng)指標(biāo)，不乏中國的科研機(jī)構(gòu)高居全球頂尖機(jī)構(gòu)榜首。中國科研機(jī)構(gòu)在發(fā)文量和合作網(wǎng)絡(luò)中的地位（入度、接近中心度、中介中心度、PageRank）等諸多維度下取得了長足的發(fā)展。然而，根據(jù)學(xué)術(shù)影響力（被引頻次、hg指數(shù)）和地理科研主導(dǎo)排名，中國科研機(jī)構(gòu)與歐美科研機(jī)構(gòu)還存在差距。從地理科研主導(dǎo)角度來看，中國的科研機(jī)構(gòu)雖然有大量的科研主導(dǎo)量，能夠高頻次地主導(dǎo)眾多參與機(jī)構(gòu)進(jìn)行科研合作，但是其科研主導(dǎo)半徑不足，只能整合近距離或國內(nèi)的科研學(xué)術(shù)資源，尚未深度嵌入全球科研共同體中。
本文的研究結(jié)果對中國的科研合作有以下幾點(diǎn)啟示：①科研人員應(yīng)該秉持科研無國界的理念，以促進(jìn)知識的交流與學(xué)術(shù)資源的優(yōu)化配置；②科研機(jī)構(gòu)可以為科研人員提供海外學(xué)術(shù)交流的機(jī)會，從而為科研人員之間的遠(yuǎn)距離和跨國科研合作減少阻礙；③我國應(yīng)該轉(zhuǎn)變粗放型的科研資助政策和科研評價(jià)體系，朝著科研成果的數(shù)量和質(zhì)量“兩手都要抓，兩手都要硬”的方向轉(zhuǎn)變。我國可以在科研資助政策、科研評價(jià)體系等多個方面促進(jìn)國內(nèi)科研機(jī)構(gòu)進(jìn)行遠(yuǎn)距離和跨國科研合作，擴(kuò)大我國科研機(jī)構(gòu)的科研主導(dǎo)半徑，在全球尺度內(nèi)整合高質(zhì)量的科研學(xué)術(shù)資源，強(qiáng)有力地推動國內(nèi)國際科研學(xué)術(shù)資源的流動與優(yōu)化配置，將中國的科研系統(tǒng)深度嵌入全球尺度的科研共同體中。
猜你喜歡
今日農(nóng)業(yè)(2021年14期)2021-10-14 08:35:10
下一代英才(酷炫少年)(2017年6期)2017-06-28 11:37:54
管理現(xiàn)代化(2016年3期)2016-02-06 02:05:00
財(cái)經(jīng)界(學(xué)術(shù)版)(2015年17期)2015-12-22 07:16:28
中國中醫(yī)藥現(xiàn)代遠(yuǎn)程教育(2014年11期)2014-08-08 13:23:44
衛(wèi)生職業(yè)教育(2014年24期)2014-05-20 09:05:40
留學(xué)(2014年21期)2014-05-03 06:54:24
藥學(xué)進(jìn)展(2014年3期)2014-03-20 16:00:47
筑路機(jī)械與施工機(jī)械化(2014年5期)2014-03-01 02:59:17
化工生產(chǎn)與技術(shù)(2014年2期)2014-02-27 13:41:40
