我國(guó)31個(gè)省市自治區(qū)科技研究主題分析
——基于國(guó)家科技進(jìn)步獎(jiǎng)獲獎(jiǎng)項(xiàng)目

唐福濤

（天津商業(yè)大學(xué)科研處 天津 300134）

研究主題是指某一研究領(lǐng)域內(nèi)的主要研究?jī)?nèi)容，反映了該領(lǐng)域的科研工作者和管理者的研究熱點(diǎn)和工作重點(diǎn)［1］。隨著當(dāng)今科技的不斷交叉與融合，如何透過科技研究主題的演化分析和把握科技發(fā)展態(tài)勢(shì)，對(duì)科技工作者尤為重要。國(guó)家科學(xué)技術(shù)獎(jiǎng)代表了科學(xué)研究的最高榮譽(yù)，是反映國(guó)家科學(xué)技術(shù)進(jìn)步的重要標(biāo)尺，也代表各個(gè)行業(yè)科學(xué)攻關(guān)的方向，所以，對(duì)國(guó)家科學(xué)技術(shù)獎(jiǎng)研究主題分析有重要的現(xiàn)實(shí)意義。

我國(guó)幅員遼闊，各省市自治區(qū)受地理位置、社會(huì)文化、自然資源等因素的影響，經(jīng)濟(jì)發(fā)展不平衡，在科研產(chǎn)出結(jié)構(gòu)和優(yōu)勢(shì)領(lǐng)域的分布上差異性大。為了揭示我國(guó)各省市自治區(qū)的研究主題和優(yōu)勢(shì)領(lǐng)域，本文以2010—2019年國(guó)家科技進(jìn)步獎(jiǎng)獲獎(jiǎng)項(xiàng)目為數(shù)據(jù)源，統(tǒng)計(jì)分析了我國(guó)31個(gè)省市自治區(qū)（不包括港、澳、臺(tái)）在各評(píng)審組中的科技進(jìn)步獎(jiǎng)項(xiàng)獲得情況，并借助jieba分詞功能對(duì)研究主題進(jìn)行細(xì)化分析。

目前、國(guó)內(nèi)外學(xué)者針對(duì)某一行業(yè)研究領(lǐng)域或者主題的分析已經(jīng)很多，如大數(shù)據(jù)領(lǐng)域［2-3］、醫(yī)藥領(lǐng)域［4］、計(jì)算機(jī)集成制造領(lǐng)域［5］、國(guó)內(nèi)環(huán)境治理領(lǐng)域［6］、衛(wèi)生應(yīng)急處置領(lǐng)域［7］等。但是，縱觀目前對(duì)研究主題的分析，數(shù)據(jù)來源都集中在研究論文和專利方面，還沒有對(duì)科學(xué)技術(shù)獎(jiǎng)的主題分析，而國(guó)家科技進(jìn)步獎(jiǎng)作為科技研發(fā)的前沿和主要陣地，對(duì)科技發(fā)展意義不言而喻。另外，目前的研究多是針對(duì)某一個(gè)或幾個(gè)特定的領(lǐng)域，具有一定的局限性。本文主要是從宏觀層次上進(jìn)行國(guó)家科技進(jìn)步獎(jiǎng)研究領(lǐng)域主題的分析。

1 數(shù)據(jù)來源及研究方法

1.1 數(shù)據(jù)來源及處理

本研究數(shù)據(jù)源來自國(guó)家科學(xué)技術(shù)獎(jiǎng)勵(lì)工作辦公室網(wǎng)站［8］，在國(guó)家科技獎(jiǎng)勵(lì)—國(guó)家科學(xué)技術(shù)進(jìn)步獎(jiǎng)欄目，從獲獎(jiǎng)項(xiàng)目目錄即可查看歷年的獲獎(jiǎng)項(xiàng)目。數(shù)據(jù)的篩選和處理分以下幾個(gè)步驟：（1）下載2010—2019年國(guó)家科技進(jìn)步獎(jiǎng)通用獎(jiǎng)項(xiàng)一、二等獎(jiǎng)項(xiàng)目名單（不含專用項(xiàng)目），并導(dǎo)入Excel 表格；（2）整理獲獎(jiǎng)項(xiàng)目所屬評(píng)審組，并對(duì)獲獎(jiǎng)項(xiàng)目所屬省市自治區(qū)進(jìn)行劃分（含獲獎(jiǎng)參與單位）；（3）利用Python 中jieba 中文分詞包功能，對(duì)每個(gè)項(xiàng)目獲獎(jiǎng)名稱進(jìn)行分詞處理并進(jìn)行清洗統(tǒng)計(jì)。

1.2 整體統(tǒng)計(jì)

統(tǒng)計(jì)2010—2019年31個(gè)省市自治區(qū)（不包括港、澳、臺(tái)）參與國(guó)家科技進(jìn)步獎(jiǎng)項(xiàng)目的情況顯示：整體上各省市的國(guó)家科技獲獎(jiǎng)項(xiàng)目數(shù)呈現(xiàn)“一超多強(qiáng)”的分布趨勢(shì)，北京作為首都，獲獎(jiǎng)的次數(shù)明顯多于其他省市，其他經(jīng)濟(jì)發(fā)達(dá)地區(qū)，如上海、廣東、江蘇、浙江獲得獎(jiǎng)項(xiàng)的次數(shù)也比較多，而西部欠發(fā)達(dá)地區(qū)，如貴州、青海、西藏等省市獲得獎(jiǎng)項(xiàng)的數(shù)量明顯少，總體上，國(guó)家科技進(jìn)步獎(jiǎng)各省市自治區(qū)獲獎(jiǎng)?lì)l次存在著明顯的東強(qiáng)西弱的特征。

1.3 研究方法

分詞是將由字符序列構(gòu)成的句子按照一定的規(guī)則重新組合成詞的集合，中文分詞就是指將句子中漢字序列切分成詞集合［9］。jieba中文分詞工具是一款使用Python 語言開發(fā)的分詞效果較好的分詞器、開源分詞工具，它的主要特點(diǎn)有3 個(gè)：（1）支持3 種分詞模式，即精確模式、全模式和搜索引擎模式；（2）支持繁體分詞；（3）支持自定義詞典。jieba 分詞的實(shí)現(xiàn)基于以下3 個(gè)原理［10］：（1）基于trie樹結(jié)構(gòu)，實(shí)現(xiàn)高效的詞圖掃描，生成句子中漢字所有可能成詞情況所構(gòu)成的有向無環(huán)圖（directed acyclic graph，DAG）；（2）采用動(dòng)態(tài)規(guī)劃，查找最大概率路徑，找出基于詞頻的最大切分組合；（3）對(duì)于未登錄詞，采用了Viterbi 算法和基于漢字成詞能力的HMM模型。

本研究是基于國(guó)家科技獎(jiǎng)獲獎(jiǎng)項(xiàng)目的名稱進(jìn)行分詞處理，獲獎(jiǎng)名稱是對(duì)獲獎(jiǎng)項(xiàng)目的精確、濃縮概括，因此，采用jieba分詞中的精確模式。該模式是jieba分詞中最基礎(chǔ)和自然的模式，它試圖盡可能精確地劃分語句，特別適合極短文本分析。

2 各省市自治區(qū)研究主題分析

2.1 各省市自治區(qū)參與國(guó)家科技進(jìn)步獎(jiǎng)評(píng)審組情況統(tǒng)計(jì)

國(guó)家科技進(jìn)步獎(jiǎng)項(xiàng)目基本每年會(huì)設(shè)有30 個(gè)左右的評(píng)審組，范圍涵蓋了理、工、農(nóng)、醫(yī)類全部學(xué)科方向。隨著時(shí)代發(fā)展，評(píng)審組也會(huì)有微調(diào)，如2010—2011年設(shè)有先進(jìn)制造與重大裝備、安全生產(chǎn)、循環(huán)經(jīng)濟(jì)3個(gè)評(píng)審組，2012—2019年則沒有這3個(gè)評(píng)審組，2019年之前農(nóng)藝學(xué)和農(nóng)業(yè)工程學(xué)是在一個(gè)評(píng)審組，2019年之后農(nóng)藝學(xué)和農(nóng)業(yè)工程學(xué)分開評(píng)審。所以。本文在歷年獎(jiǎng)項(xiàng)評(píng)審組的基礎(chǔ)上進(jìn)行了微調(diào)，歸納了30 個(gè)評(píng)審組，匯總了2010—2019 各個(gè)省市自治區(qū)在評(píng)審組里面主要參與獲獎(jiǎng)?lì)l次，如圖1所示。

由圖1可知，北京作為全國(guó)政治經(jīng)濟(jì)中心，在國(guó)家科技進(jìn)步獎(jiǎng)獲獎(jiǎng)方面，獲得評(píng)審組獎(jiǎng)項(xiàng)的數(shù)量遙遙領(lǐng)先，地處長(zhǎng)三角、珠三角地區(qū)的上海市、江蘇省、浙江省、廣東省參與獲得國(guó)家科技進(jìn)步獎(jiǎng)的次數(shù)也比較多，獲獎(jiǎng)范圍基本涵蓋了多數(shù)的評(píng)審組領(lǐng)域，與這幾個(gè)省份經(jīng)濟(jì)發(fā)達(dá)、學(xué)術(shù)資源豐富、各行業(yè)基礎(chǔ)研究力量較強(qiáng)相關(guān)。

圖1 各省市參與國(guó)家科技進(jìn)步獎(jiǎng)評(píng)審組情況統(tǒng)計(jì)

2.2 各省市研究主題情況分析

在全部30個(gè)評(píng)審組各省市自治區(qū)獲獎(jiǎng)次數(shù)里面，北京在26 個(gè)評(píng)審組里居于首位，另外的4 個(gè)評(píng)審組里面，通信組是廣東省獲獎(jiǎng)次數(shù)最多，機(jī)械組、紡織組、工人農(nóng)民技術(shù)創(chuàng)新組都是江蘇省獲獎(jiǎng)次數(shù)最多。從各個(gè)省市在各評(píng)審組獲獎(jiǎng)的情況來看，北京市、上海市、江蘇省、浙江省、廣東省、山東省、湖北省不但獲獎(jiǎng)次數(shù)多，而且涉及的評(píng)審組也廣，科技發(fā)展創(chuàng)新活力較強(qiáng)；其他省市比較典型的，如河南省在作物遺傳育種與園藝、農(nóng)業(yè)工程評(píng)審組獲獎(jiǎng)比較多，陜西省在動(dòng)力電氣與核電評(píng)審組里面參與次數(shù)比較多，湖南省、遼寧省在金屬材料評(píng)審組里面參與次數(shù)比較多；而在經(jīng)濟(jì)薄弱的西部地區(qū)，如寧夏、西藏、青海等在各個(gè)評(píng)審組獲獎(jiǎng)都很少，科技獲獎(jiǎng)能力偏弱。

利用jieba中文分詞功能，探究31個(gè)省市自治區(qū)的研究主題，包括3 個(gè)步驟：（1）對(duì)2010—2019年度獲獎(jiǎng)項(xiàng)目名稱進(jìn)行分詞處理；（2）對(duì)數(shù)據(jù)進(jìn)行清洗，剔除一些不能體現(xiàn)研究主題或內(nèi)容的詞語，如“關(guān)鍵技術(shù)”“開發(fā)”“應(yīng)用”“工程”等；（3）整理31個(gè)省市自治區(qū)獲得國(guó)家科技進(jìn)步獎(jiǎng)項(xiàng)目主要所屬評(píng)審組及分詞數(shù)據(jù)，如表1所示。由分詞數(shù)據(jù)更能直觀地看到各省市自治區(qū)的科技研究?jī)?yōu)勢(shì)領(lǐng)域，各省市研究主題和所屬評(píng)審組兩者之間也有較高的關(guān)聯(lián)性，例如：上海的外科與耳鼻喉組、內(nèi)科與預(yù)防醫(yī)學(xué)組與分詞數(shù)據(jù)的臨床、治療、疾病互相關(guān)聯(lián)；河南的作物遺傳育種與園藝組、農(nóng)藝組、農(nóng)業(yè)工程組與分詞數(shù)據(jù)的新品種、選育、小麥關(guān)聯(lián)度高。由分詞數(shù)據(jù)信息進(jìn)一步反映了31個(gè)省市自治區(qū)的科技研究主題。

表1 31 省市國(guó)家科技進(jìn)步獎(jiǎng)主要所屬評(píng)審組及分詞數(shù)據(jù)

2.3 各省市研究主題影響因素

各省市自治區(qū)在國(guó)家科技進(jìn)步獎(jiǎng)中獲獎(jiǎng)?lì)l次受多方面因素影響，區(qū)域?qū)W術(shù)資源、經(jīng)濟(jì)發(fā)展?fàn)顩r、自然資源聚集都會(huì)對(duì)研究主題產(chǎn)生影響［11］。京津冀、長(zhǎng)三角、珠三角地區(qū)無論是學(xué)術(shù)資源還是經(jīng)濟(jì)發(fā)展都走在前列，所以，在各評(píng)審組中都能斬獲獎(jiǎng)項(xiàng)。一些典型的自然資源聚集的省份在各自優(yōu)勢(shì)產(chǎn)業(yè)也有收獲，如山西省是煤炭大省，其獲獎(jiǎng)主要來自于礦山工程評(píng)審組；廣東省的電子通信業(yè)是其支柱產(chǎn)業(yè)，故其在通信組中排名首位。中西部地區(qū)只有四川省和陜西省在國(guó)家科技進(jìn)步獎(jiǎng)項(xiàng)目中能位于前十位，原因在于這兩個(gè)省份都有8個(gè)雙一流高校，還有部分科研院所，屬于人才知識(shí)聚集地，其他西部偏遠(yuǎn)地區(qū)無論是自然資源還是經(jīng)濟(jì)活力、學(xué)術(shù)資源都比較劣勢(shì)，科技創(chuàng)新能力較弱，在國(guó)家科技進(jìn)步獎(jiǎng)項(xiàng)目中獲獎(jiǎng)很少。

3 結(jié)論和展望

3.1 主要研究結(jié)論

本文在歸納各省市自治區(qū)2010—2019年獲得國(guó)家科技進(jìn)步獎(jiǎng)項(xiàng)目所屬評(píng)審組基礎(chǔ)上，對(duì)獲獎(jiǎng)項(xiàng)目名稱進(jìn)行分詞處理并進(jìn)行研究主題分析，主要得出了如下結(jié)論。（1）31個(gè)省市自治區(qū)獲得國(guó)家科技進(jìn)步獎(jiǎng)的項(xiàng)目數(shù)呈現(xiàn)“一超多強(qiáng)”“東強(qiáng)西弱”的態(tài)勢(shì)，北京處于遙遙領(lǐng)先位置，長(zhǎng)三角、珠三角經(jīng)濟(jì)發(fā)達(dá)省市科技獲獎(jiǎng)能力較強(qiáng)，西部偏遠(yuǎn)地區(qū)獲獎(jiǎng)能力偏弱。（2）31個(gè)省市自治區(qū)的研究主題和地域的學(xué)術(shù)資源、自然資源密切相關(guān)，以適應(yīng)當(dāng)?shù)亟?jīng)濟(jì)社會(huì)發(fā)展的需要。（3）31個(gè)省市自治區(qū)獲得國(guó)家科技進(jìn)步獎(jiǎng)項(xiàng)目所屬評(píng)審組與項(xiàng)目名稱分詞數(shù)據(jù)關(guān)聯(lián)性高，進(jìn)一步反映了各省市的科技研究主題情況。

3.2 展望

本文以國(guó)家科技進(jìn)步獎(jiǎng)項(xiàng)目為源數(shù)據(jù)，利用統(tǒng)計(jì)和jieba分詞方法，探究了31個(gè)省市自治區(qū)科技研究主題，有助于科技工作者進(jìn)一步把握科技發(fā)展方向，有助于政府和有關(guān)部門制定宏觀科技發(fā)展戰(zhàn)略。當(dāng)然，研究還存在一定的局限，后續(xù)需進(jìn)一步做優(yōu)化處理。（1）分析對(duì)象是以國(guó)家科技進(jìn)步獎(jiǎng)為數(shù)據(jù)源，沒有包括其他國(guó)家科技獎(jiǎng)項(xiàng)，如國(guó)家技術(shù)發(fā)明獎(jiǎng)、自然科學(xué)獎(jiǎng)，雖然這些獎(jiǎng)項(xiàng)數(shù)量比較少，但是也可以反映各省市自治區(qū)的科技研究主題。（2）此次統(tǒng)計(jì)整理各省市自治區(qū)獲得國(guó)家科技進(jìn)步獎(jiǎng)項(xiàng)目的所屬評(píng)審組和項(xiàng)目名稱分詞數(shù)據(jù)，未區(qū)分該省市是項(xiàng)目的主持單位還是參與單位，一個(gè)獲獎(jiǎng)項(xiàng)目的取得往往是多家單位合作的成果，機(jī)構(gòu)在項(xiàng)目中排名能反映機(jī)構(gòu)對(duì)項(xiàng)目的貢獻(xiàn)度，后續(xù)可做各省市自治區(qū)研究深度的量化分析。（3）本次研究年限是2010—2019年，沒有對(duì)31個(gè)省市自治區(qū)的研究主題進(jìn)行分階段分析，后續(xù)對(duì)研究主題的分析可分階段進(jìn)一步關(guān)注演化趨勢(shì)。