農(nóng)業(yè)領(lǐng)域科技競爭力與態(tài)勢分析方法研究

陳欣宇 郭婷 戴紅君 孫藝偉 羅瑞 任妮

摘要：通過開展農(nóng)業(yè)領(lǐng)域的科技競爭力與態(tài)勢分析方法研究，為農(nóng)業(yè)領(lǐng)域科技工作者與管理者的科技創(chuàng)新與管理決策活動提供數(shù)據(jù)參考和情報支撐。首先，從基礎(chǔ)研究和技術(shù)創(chuàng)新2個維度構(gòu)建包含科研生產(chǎn)力、科研影響力、科研卓越力、科研合作力的科研競爭力評價指標(biāo)體系，并通過數(shù)據(jù)規(guī)范化處理，構(gòu)建綜合競爭力評價模型，測算綜合競爭力指數(shù)，以評價科研群體的科研實力；然后，融合基礎(chǔ)研究和技術(shù)創(chuàng)新的數(shù)據(jù)集，采用分級聚類技術(shù)開展領(lǐng)域研究重點的挖掘，并構(gòu)建基于主題強度、主題新穎度、主題學(xué)科交叉度的多維指標(biāo)研究前沿識別模型來識別領(lǐng)域研究前沿；最后，以長三角地區(qū)畜牧獸醫(yī)領(lǐng)域為研究對象進行實證研究。研究發(fā)現(xiàn)，江蘇省的綜合科研競爭力排在前列，其次是上海市、浙江省和安徽??；研究挖掘出生理生化與免疫調(diào)控技術(shù)等4個重點研究方向、代謝及免疫調(diào)控技術(shù)等10項重點研究內(nèi)容，識別出養(yǎng)殖裝置研發(fā)與利用等3項研究前沿。該方法體系具有可行性、科學(xué)性與合理性，可以為農(nóng)業(yè)領(lǐng)域科研競爭力、科技態(tài)勢分析等情報研究提供參考，但在數(shù)據(jù)源、研究重點挖掘等方面還有待進一步完善與深化。

關(guān)鍵詞：科研競爭力；科技態(tài)勢；研究重點；研究前沿；多源數(shù)據(jù)

中圖分類號：G311? 文獻標(biāo)志碼：A

文章編號：1002-1302（2023）23-0236-08

隨著當(dāng)今科學(xué)研究進入大科學(xué)時代，科技文獻數(shù)量和科學(xué)知識急劇增長，在較短時間內(nèi)掌握學(xué)科領(lǐng)域的全局動態(tài)變得越來越困難［1］。農(nóng)業(yè)領(lǐng)域發(fā)展歷史悠久，科技文獻體量大且類型多，因此開展農(nóng)業(yè)領(lǐng)域的科技競爭力與發(fā)展態(tài)勢研究，分析領(lǐng)域的發(fā)展現(xiàn)狀與趨勢，揭示領(lǐng)域各研究群體科研競爭力的異同和差距，挖掘領(lǐng)域研究重點、熱點與前沿，是農(nóng)業(yè)領(lǐng)域科技工作者與管理者全面了解農(nóng)業(yè)領(lǐng)域研究現(xiàn)狀與知識布局、掌握科技發(fā)展脈搏、識別合作對象與競爭對手、明確戰(zhàn)略發(fā)展方向與優(yōu)劣勢、精準(zhǔn)制定政策決策、優(yōu)化科技資源配置、占領(lǐng)科技發(fā)展制高點等的有效手段。

國內(nèi)外已有學(xué)者基于各類科技文獻在學(xué)科領(lǐng)域的科研競爭力分析方法［2-7］、科技態(tài)勢分析方法［8-15］研究上做了大量探索。農(nóng)業(yè)領(lǐng)域有關(guān)科技競爭力與發(fā)展態(tài)勢分析的研究與應(yīng)用始于20世紀(jì)90年代，已有學(xué)者基于論文、專利、品種權(quán)、項目、獎項等多類數(shù)據(jù)構(gòu)建評價指標(biāo)體系開展有關(guān)地區(qū)［16-17］、科研機構(gòu)［18-19］、高校［20-21］、學(xué)科［21-22］等多個維度的科研競爭力分析；也有學(xué)者基于論文、專利等科技文獻開展有關(guān)各類作物［23-25］、節(jié)水農(nóng)業(yè)［26］、循環(huán)農(nóng)業(yè)［27］、農(nóng)業(yè)信息技術(shù)［28］、作物模型［29］、移栽機械［30］、轉(zhuǎn)基因作物育種［31］等多個領(lǐng)域的科技態(tài)勢分析。目前在針對農(nóng)業(yè)領(lǐng)域的方法流程、評價指標(biāo)體系構(gòu)建、熱點前沿挖掘等技術(shù)方法上的創(chuàng)新研究較少，適應(yīng)于農(nóng)業(yè)領(lǐng)域的方法體系亟待研究攻關(guān)。

基于此，本研究基于論文與專利數(shù)據(jù)，綜合文獻計量、專利計量、統(tǒng)計分析等技術(shù)開展評價指標(biāo)體系構(gòu)建、綜合競爭力測算、研究重點挖掘、研究前沿識別等方法研究，構(gòu)建農(nóng)業(yè)領(lǐng)域科技競爭力與態(tài)勢分析方法體系；選擇長三角地區(qū)畜牧獸醫(yī)領(lǐng)域為研究對象，以驗證本研究構(gòu)建方法的可行性、科學(xué)性與合理性，并為長三角地區(qū)畜牧獸醫(yī)領(lǐng)域科技創(chuàng)新、管理決策等提供情報支撐與數(shù)據(jù)參考。

1 研究框架與方法

2.1 研究框架

本研究框架如圖1所示，主要包括數(shù)據(jù)獲取與預(yù)處理、科技競爭力與態(tài)勢分析方法體系構(gòu)建、實證研究3個環(huán)節(jié)。

1.2 研究方法

1.2.1 科研競爭力分析方法

1.2.1.1 評價指標(biāo)體系構(gòu)建

本研究以武漢大學(xué)中國科學(xué)評價研究中心（RCCSE）制定的大學(xué)、科研機構(gòu)科研競爭力評價指標(biāo)體系為基礎(chǔ)，結(jié)合文獻調(diào)研，依據(jù)科學(xué)性、系統(tǒng)性、可比性、可行性、簡易性、客觀性原則，從科研生產(chǎn)力、科研影響力、科研卓越力、科研合作力4個維度構(gòu)建科研競爭力評價指標(biāo)體系（表1）。由于論文和專利是基礎(chǔ)研究和技術(shù)創(chuàng)新最主要的產(chǎn)出形式，因此本研究創(chuàng)新性地從基礎(chǔ)研究和技術(shù)創(chuàng)新的角度，將4個維度的指標(biāo)細化到基礎(chǔ)研究生產(chǎn)力、技術(shù)創(chuàng)新生產(chǎn)力、基礎(chǔ)研究影響力、技術(shù)創(chuàng)新影響力、基礎(chǔ)研究卓越力、技術(shù)創(chuàng)新卓越力、基礎(chǔ)研究合作力、技術(shù)創(chuàng)新合作力8個二級指標(biāo)；三級指標(biāo)囊括論文量、專利量、年均增長率、總被引頻次、CNCI值、潛在被引指數(shù)、G指數(shù)、專利價值度、合作量、合作地區(qū)數(shù)、合作貢獻度等32個指標(biāo)。

1.2.1.2 綜合競爭力測算

數(shù)據(jù)規(guī)范化處理：為了消除量綱不同的影響，本研究采用規(guī)范化（極差正規(guī)化）的賦值思路對原始數(shù)據(jù)進行處理。具體公式如下：

正指標(biāo)：

逆指標(biāo)：

式中：yi為正規(guī)化評價值；xi為第i個指標(biāo)的原始值；xmax為指標(biāo)原始數(shù)據(jù)的最大值；xmin為指標(biāo)原始數(shù)據(jù)的最小值。

經(jīng)過規(guī)范化處理之后就得到正規(guī)化評價值，所賦分值均在0～1分范圍內(nèi)，且逆指標(biāo)已完成逆向化處理，符合得分越高則綜合競爭力越強的需求，從而可以進一步計算綜合指標(biāo)值得分。

綜合競爭力評價模型：綜合競爭力的評價結(jié)果為各項指標(biāo)分值與權(quán)重乘積的累積之和，本研究采用了簡化處理的方式，各指標(biāo)間的權(quán)重?zé)o差別，采用算術(shù)平均求和的方法，建立綜合競爭力評價模型。以下為具體計算方法：

二級指標(biāo)得分：

一級指標(biāo)得分：

綜合競爭力得分：

式中：Cj為第j個二級指標(biāo)得分；Dk為第k個三級指標(biāo)規(guī)范化得分；n3為三級指標(biāo)的個數(shù)；Bi為第i個一級指標(biāo)得分；n2為二級指標(biāo)的個數(shù)；A為綜合競爭力得分；n1為一級指標(biāo)的個數(shù)。

1.2.2 科技態(tài)勢分析方法

1.2.2.1 研究重點挖掘

本研究基于融合基礎(chǔ)研究和技術(shù)創(chuàng)新的論文與專利合集，開展作者關(guān)鍵詞與標(biāo)題詞的分詞、抽取、清洗等工作，構(gòu)建重點主題詞集合及共現(xiàn)矩陣，利用共詞分析、聚類分析等技術(shù)構(gòu)建主題聚類圖，挖掘領(lǐng)域的重點研究方向；并針對重點研究方向開展分級聚類研究，構(gòu)建重點研究方向的主題聚類圖，挖掘各研究方向的重點研究內(nèi)容。

1.2.2.2 研究前沿識別

本研究通過文獻調(diào)研，構(gòu)建基于主題強度、主題新穎度、主題學(xué)科交叉度的多維指標(biāo)研究前沿識別模型，針對不同研究主題多維指標(biāo)參數(shù)以識別領(lǐng)域研究前沿。各指標(biāo)的計算方法及含義如下。

主題強度：研究主題內(nèi)所包含的中外文論文與專利文獻量總和。

式中：Ts表示主題s的主題強度；n表示主題s內(nèi)的中外文論文與專利文獻總量；Pi表示主題s內(nèi)的第i篇文獻。

主題新穎度：研究主題內(nèi)所包含的中外文論文與專利文獻的平均發(fā)表/公開時間。

式中：Ns表示主題s的新穎度；n表示主題s內(nèi)的中外文論文與專利文獻總量；yi表示第i個論文的發(fā)表年份或?qū)＠墓_年份。

主題學(xué)科交叉度：研究主題內(nèi)所包含的中外文論文與專利文獻的平均學(xué)科類別數(shù)。

式中：ITt為主題t的學(xué)科交叉度；n表示t主題內(nèi)的中外文論文與專利文獻總量；Si表示第i篇論文的學(xué)科數(shù)量。

本研究將主題強度、主題新穎度、主題學(xué)科交叉度大于均值的結(jié)果分別標(biāo)記為“主題強度強”“主題新穎度高”“主題學(xué)科交叉度高”，3類指標(biāo)有任意2個指標(biāo)位于高區(qū)間的研究主題均定義為“研究前沿”。

2 長三角地區(qū)畜牧獸醫(yī)領(lǐng)域科技競爭力與態(tài)勢分析

2.1 選擇研究對象

長三角地區(qū)是長江三角洲地區(qū)的簡稱，涵蓋3省1市（江蘇省、浙江省、安徽省、上海市），覆蓋有41個地市級行政單位，是我國經(jīng)濟發(fā)展活躍、開放程度高、創(chuàng)新能力強的區(qū)域，是我國農(nóng)業(yè)發(fā)展較為領(lǐng)先的區(qū)域，也是我國畜牧獸醫(yī)學(xué)領(lǐng)域發(fā)展最悠久的地區(qū)之一。本研究以長三角地區(qū)畜牧獸醫(yī)領(lǐng)域作為研究對象，分析比對長三角地區(qū)的科技競爭力與研究態(tài)勢情況，以期為長三角地區(qū)畜牧獸醫(yī)領(lǐng)域的科技創(chuàng)新、管理決策等提供數(shù)據(jù)參考和情報支撐。

2.2 數(shù)據(jù)獲取與預(yù)處理

本研究選擇Web of Science、萬方、Incopat分別作為外文論文、中文論文和專利文獻的數(shù)據(jù)源，上述3類數(shù)據(jù)源在數(shù)據(jù)的可獲取性和權(quán)威性上均具備優(yōu)勢。首先，根據(jù)省市名稱、學(xué)科、分類號、研究方向、主題詞等限定長三角地區(qū)畜牧獸醫(yī)領(lǐng)域，時間范圍限定為2016—2020年（“十三五”時期），下載獲取中外文論文及專利初始數(shù)據(jù)集；然后，通過構(gòu)建數(shù)據(jù)判斷的標(biāo)準(zhǔn)，綜合人工和自然語言處理技術(shù)篩選相關(guān)數(shù)據(jù)，得到包含4 998篇外文論文、12 379篇中文論文、17 831件專利的最終數(shù)據(jù)集；最后，利用DDA軟件、Excel軟件及Python編程工具進行省份、機構(gòu)的數(shù)據(jù)清洗及預(yù)處理工作。

2.3 科研競爭力分析

2.3.1 科研生產(chǎn)力分析

通過測度3省1市在畜牧獸醫(yī)領(lǐng)域的科研生產(chǎn)力（表2）發(fā)現(xiàn)，從論文來看，江蘇省的中外文論文量及高質(zhì)量中外文論文量均遠高于其他?。ㄊ校?，其基礎(chǔ)研究生產(chǎn)力最高；另外，各?。ㄊ校┩馕幕A(chǔ)研究量均呈現(xiàn)增長趨勢，中文基礎(chǔ)研究量均呈現(xiàn)減少趨勢，其中安徽省的外文基礎(chǔ)研究量增長最快，中文基礎(chǔ)研究量下降最快。從專利來看，安徽省的專利申請量最高，江蘇省和浙江省的專利授權(quán)量排在前列，三者的技術(shù)創(chuàng)新生產(chǎn)力均較高；另外，各省（市）的年均增長率差距懸殊，僅上海市的技術(shù)創(chuàng)新量為增長趨勢，其余?。ㄊ校┑募夹g(shù)創(chuàng)新量為減少趨勢，其中上海市增速最快，安徽省下降最快。

2.3.2 科研影響力分析

通過測度3省1市在畜牧獸醫(yī)領(lǐng)域的科研影響力（表3）發(fā)現(xiàn)，從論文來看，江蘇省中外文論文的總被引頻次均遠高于其他?。ㄊ校浠A(chǔ)研究總體影響力最高；浙江省和上海市中外文論文的CNCI值均高于0.9且潛在被引指數(shù)相對更低，其基礎(chǔ)研究質(zhì)量及潛在影響力更高。從專利來看，安徽省專利的總被引頻次遠高于其他省（市），其技術(shù)創(chuàng)新的總體影響力最高；上海市專利的CNCI值高于其他?。ㄊ校┣覞撛诒灰笖?shù)低于其他省（市），其技術(shù)創(chuàng)新質(zhì)量及潛在影響力更高。

2.3.3 科研卓越力分析

通過測度3省1市在畜牧獸醫(yī)領(lǐng)域的科研卓越力（表4）發(fā)現(xiàn)，從論文來看，江蘇省的中外文論文G指數(shù)均排在第1位，其基礎(chǔ)研究卓越性水平均最高；安徽省的中外文論文G指數(shù)均不高，其基礎(chǔ)研究卓越性水平相對較低。從專利來看，各省（市）的專利價值度有所差距，其中上海市的專利價值度達到了6.22，其技術(shù)創(chuàng)新卓越性水平最高；安徽省的專利價值度為4.47， 其技術(shù)創(chuàng)新卓越性水平相對較低。

2.3.4 科研合作力分析

通過測度3省1市在畜牧獸醫(yī)領(lǐng)域的科研合作力（表5）發(fā)現(xiàn)，從論文來看，各?。ㄊ校┗A(chǔ)研究對外合作廣泛且合作貢獻度均在較高水平，其合作地區(qū)數(shù)及合作貢獻度差距不大，其中江蘇省的中外文論文對外合作量均遠高于其他?。ㄊ校浠A(chǔ)研究合作量最高。從專利來看，江蘇省的專利對外合作量及合作地區(qū)數(shù)均高于其他?。ㄊ校?，其技術(shù)創(chuàng)新合作量最高且合作地區(qū)更為廣泛；各?。ㄊ校┑募夹g(shù)創(chuàng)新合作貢獻度整體維持在較高水平，其中浙江省的技術(shù)創(chuàng)新合作貢獻度略低于其他?。ㄊ校?/p>

2.3.5 綜合科研競爭力分析

通過測度3省1市在畜牧獸醫(yī)領(lǐng)域的綜合科研競爭力（表6）發(fā)現(xiàn)，江蘇省的綜合競爭力最強，其次是上海市、浙江省和安徽省。江蘇省的綜合競爭力得分排在首位，其生產(chǎn)力、卓越力和合作力得分也高于其他省（市）；上海市和浙江省的綜合競爭力得分分列2、3位，其中，上海市的影響力得分排在首位，卓越力得分僅次于江蘇省，浙江省的生產(chǎn)力得分和影響力得分均排在第2位；安徽省的綜合競爭力得分最低，其中在卓越力得分和合作力得分上與其他?。ㄊ校┎罹噍^大。

2.4 科技態(tài)勢分析

2.4.1 研究重點挖掘

長三角地區(qū)畜牧獸醫(yī)領(lǐng)域的總體研究分為4個研究方向，分別為生理生化與免疫調(diào)控技術(shù)、養(yǎng)殖技術(shù)與裝置研發(fā)利用、疾病診治與防控技術(shù)、營養(yǎng)健康調(diào)控與飼料制備技術(shù)（圖2）；其中，以論文為代表的基礎(chǔ)研究主要聚焦于生理生化與基因調(diào)控技術(shù)、疾病診治與防控技術(shù)、養(yǎng)殖技術(shù)與產(chǎn)業(yè)發(fā)展等方向；以專利為代表的技術(shù)創(chuàng)新主要側(cè)重疾病診治與防控技術(shù)、養(yǎng)殖技術(shù)與裝置研發(fā)利用、營養(yǎng)健康調(diào)控與飼料制備技術(shù)等方向。

生理生化與免疫調(diào)控技術(shù)主要研究生物脅迫、非生物脅迫、基因調(diào)控、遺傳改良、育種技術(shù)、免疫調(diào)控等對雞、鴨、鵝、豬、牛、羊等動物生長發(fā)育、體內(nèi)代謝、生理與品質(zhì)特性的影響及調(diào)控作用，以提高畜禽類動物對生物及非生物脅迫的免疫能力，促進畜禽類動物生長發(fā)育及產(chǎn)量品質(zhì)。通過聚類分析，可以分為3個方面內(nèi)容（圖3）：（1）代謝及免疫調(diào)控技術(shù)：主要研究山羊、蠶等動物的細胞凋亡、氧化應(yīng)激、細胞因子、代謝組學(xué)、脂肪酸、抗炎、免疫反應(yīng)、抗氧化劑、脂質(zhì)代謝、抗菌等代謝特性，并對多糖、黃酮類化合物、活性氧等對畜禽類動物體內(nèi)代謝、免疫力的影響及調(diào)控技術(shù)進行研究。（2）遺傳育種及基因改良技術(shù)：圍繞豬、雞、鴨、牛等動物，利用基因表達、miRNA、轉(zhuǎn)錄組、基因克隆、RNA測序、CRISPR/Cas9、實時熒光定量PCR等技術(shù)對其生長、繁殖、抗病、耐逆、免疫等基因進行定位、表達、克隆、分析與調(diào)控技術(shù)研究；利用SNP分子標(biāo)記、SSR分子標(biāo)記、雜交育種等技術(shù)開展種質(zhì)資源的創(chuàng)制、選育，并借助主成分分析、聚類分析等統(tǒng)計學(xué)方法開展種質(zhì)資源的評價、遺傳變異、系統(tǒng)發(fā)育及遺傳多樣性研究。（3）生理生化與品質(zhì)特性：主要研究肉雞、仔豬、蛋雞、鵝、奶牛等動物的肉品質(zhì)、腸道菌群、抗氧化能力、屠宰性能、血清生化指標(biāo)、蛋品質(zhì)、抗生素、抗氧化、益生菌、體質(zhì)量、免疫功能、產(chǎn)蛋性能、消化率、腸道健康等生長表現(xiàn)與生理生化特性，并對溫度、飼養(yǎng)密度等非生物脅迫對畜禽類動物生長狀況及生理生化特性的影響及調(diào)控技術(shù)進行研究。

養(yǎng)殖技術(shù)與裝置研發(fā)利用主要研究雞、鴨、鵝、豬、牛、羊等動物的養(yǎng)殖技術(shù)、養(yǎng)殖模式、養(yǎng)殖裝置、養(yǎng)殖環(huán)境、養(yǎng)殖廢棄物處理等，以促進畜禽類動物的生長、發(fā)育、產(chǎn)量、品質(zhì)與經(jīng)濟效益，實現(xiàn)畜禽類動物的生態(tài)、環(huán)保綠色、高產(chǎn)、高質(zhì)、高效生產(chǎn)。通過聚類分析，可以分為2個方面內(nèi)容（圖3）：（1）養(yǎng)殖及糞污處理技術(shù)：主要研究畜禽類動物的孵化、配種、繁育、飼喂、防疫、驅(qū)蟲等養(yǎng)殖技術(shù)，種養(yǎng)結(jié)合、規(guī)?；B(yǎng)殖、高密度養(yǎng)殖等養(yǎng)殖模式，畜禽糞便等養(yǎng)殖廢棄物的處理技術(shù)等。（2）養(yǎng)殖裝置研發(fā)與利用：開展用于畜禽類動物飼喂、居住、清洗、清理、飲水、消毒、攪拌、粉碎、投料、通風(fēng)、保溫等過程的圈舍、食槽、喂料裝置、清理裝置、機器人、圍欄，以及自動化、智能化、一體化等裝置、設(shè)備、系統(tǒng)的研發(fā)及其利用技術(shù)，并將物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、人工智能等信息技術(shù)應(yīng)用于畜禽業(yè)智能裝備的研發(fā)，以提高畜禽業(yè)裝備的現(xiàn)代化、智慧化水平。

疾病診治與防控技術(shù)主要圍繞畜禽類動物的主要病原及疾病，開展有關(guān)病毒檢測及免疫工程、致病機理及基因調(diào)控、疫病診斷與防控技術(shù)等方面的研究，以實現(xiàn)畜禽類動物主要疾病的快速診斷、精準(zhǔn)治療與及時防控，并提高其抗病及免疫能力。通過聚類分析，可以分為3個方面內(nèi)容（圖3）：（1）病毒檢測及免疫預(yù)防：利用實時熒光定量PCR、檢測試劑盒、酶聯(lián)免疫吸附測定、定量逆轉(zhuǎn)錄PCR等技術(shù)開展豬圓環(huán)病毒、豬流行性腹瀉病毒、禽流感病毒、新城疫病毒、豬繁殖與呼吸綜合征病毒等畜禽類病毒的檢測；基于感染病毒的畜禽類動物，開展單克隆抗體、多克隆抗體等的（滅活）疫苗的制備與利用技術(shù)研究。（2）致病機制及基因調(diào)控：主要開展大腸桿菌、沙門氏菌、豬鏈球菌、金黃色葡萄球菌、沙門氏菌、副豬嗜血桿菌、鴨疫里默氏桿菌、產(chǎn)氣莢膜梭菌等畜禽類動物病原體的分離鑒定、毒性測定、傳播特點、致病機制、發(fā)病機制等研究；基于序列分析、基因組分析、PCR技術(shù)等生物學(xué)技術(shù)，對耐藥基因、毒力基因等進行定位、挖掘、表達與分析研究。（4）疫病診斷與防控技術(shù)：主要圍繞非洲豬瘟、豬流行性腹瀉、大腸桿菌病、豬藍耳病、雞球蟲病、口蹄疫、呼吸道疾病、偽狂犬病、雞傳染性支氣管炎、小鵝瘟等畜禽類動物重大疫病，開展有關(guān)臨床癥狀、病因診斷、流行病學(xué)、感染與致病機制、疫病防控、藥物治療、藥劑研發(fā)等方面的研究。

營養(yǎng)健康調(diào)控與飼料制備技術(shù)主要研究雞、鴨、鵝、豬、牛、羊等動物的健康與營養(yǎng)調(diào)控技術(shù)、飼料制備與利用技術(shù)，以促進畜禽動物的生長發(fā)育，提高其產(chǎn)量和品質(zhì)。通過聚類分析，可以分為2個方面內(nèi)容（圖3）：（1）健康與營養(yǎng)調(diào)控技術(shù)：研究雞、鴨、鵝、豬、牛、羊等動物的飼料喂養(yǎng)與營養(yǎng)調(diào)控技術(shù)，以提高育肥期、哺乳期、妊娠期、產(chǎn)蛋期等各個階段的成活率、抗病能力、產(chǎn)蛋率、消化能力、產(chǎn)蛋量、肉品質(zhì)、生長速度等。（2）飼料制備與利用：主要開展配合飼料、復(fù)合飼料、發(fā)酵飼料、生物飼料、秸稈飼料、蛋白飼料等畜禽類飼料的配方、發(fā)酵、制備與利用技術(shù)研究；并研究通過施用添加劑、乳酸菌、中藥、微生物等技術(shù)改善飼料的營養(yǎng)品質(zhì)。

2.4.2 研究前沿識別

通過測度長三角地區(qū)畜牧獸醫(yī)領(lǐng)域重點主題的前沿性（表7）發(fā)現(xiàn)，從主題強度來看，飼料制備與利用技術(shù)、健康與營養(yǎng)調(diào)控技術(shù)的研究熱度最高，其次是養(yǎng)殖及糞污處理技術(shù)、養(yǎng)殖裝置研發(fā)及利用、遺傳育種及基因改良技術(shù)。從主題新穎度來看，致病機理及基因調(diào)控的新穎度最高，其次是病毒檢測及免疫工程、養(yǎng)殖裝置研發(fā)及利用、代謝及免疫調(diào)控技術(shù)。從主題學(xué)科交叉度來看，致病機理及基因調(diào)控的學(xué)科交叉性最強，其次是病毒檢測及免疫工程、疫病診斷與防控技術(shù)。綜合來看，養(yǎng)殖裝置研發(fā)與利用、病毒檢測及免疫預(yù)防、致病機制及基因調(diào)控是長三角地區(qū)畜牧獸醫(yī)領(lǐng)域的研究前沿。

3 結(jié)論

本研究創(chuàng)新性地從基礎(chǔ)研究和技術(shù)創(chuàng)新2個維度構(gòu)建包含科研生產(chǎn)力、科研影響力、科研卓越力、科研合作力的科研競爭力評價指標(biāo)體系，并通過數(shù)據(jù)規(guī)范化處理、構(gòu)建綜合競爭力評價模型，測算綜合競爭力指數(shù)，以評價科研群體的科研實力；融合基礎(chǔ)研究和技術(shù)創(chuàng)新的數(shù)據(jù)集，采用分級聚類技術(shù)開展領(lǐng)域研究重點的挖掘，并構(gòu)建基于主題強度、主題新穎度、主題學(xué)科交叉度的多維指標(biāo)研究前沿識別模型來識別領(lǐng)域研究前沿；以長三角地區(qū)畜牧獸醫(yī)領(lǐng)域進行實證，研究發(fā)現(xiàn)，江蘇省的綜合競爭力最強，其次是上海市、浙江省和安徽省；研究挖掘出生理生化與免疫調(diào)控技術(shù)等4個研究方向、代謝及免疫調(diào)控技術(shù)等10項研究內(nèi)容即是該領(lǐng)域的研究重點，識別出養(yǎng)殖裝置研發(fā)與利用等3項研究前沿，驗證了方法的可行性、科學(xué)性與合理性。

本研究的局限性在于僅融合了論文與專利數(shù)據(jù)，未能結(jié)合其他類型數(shù)據(jù)源，如基金項目、科技文本等，未來將進一步考慮融合更多源的數(shù)據(jù)進行研究；創(chuàng)新性地采用分級聚類技術(shù)開展研究重點的挖掘，但研究結(jié)果依賴高頻詞，未來可利用自然語言處理等信息技術(shù)構(gòu)建主題識別模型，以進一步保證研究重點挖掘的科學(xué)性。

參考文獻：

［1］余云龍，邱均平，金 釗. 學(xué)科領(lǐng)域發(fā)展態(tài)勢分析與可視化研究——以全球同位素徑流分割為例［J］. 情報科學(xué)，2022，40（5）：144-153.

［2］邱均平，趙蓉英，馬瑞敏，等. 世界一流大學(xué)及學(xué)科競爭力評價的意義、理念與實踐［J］. 科技進步與對策，2007，24（5）：138-142.

［3］劉 勇. 高校科研競爭力評價指標(biāo)體系構(gòu)建及實證分析［J］. 大學(xué)圖書情報學(xué)刊，2017，35（2）：82-89.

［4］羅星華. 基于RCCSE評價指標(biāo)和科研評價工具的高校科研競爭力分析——以工信部直屬七所高校為例［J］. 情報探索，2020（12）：65-71.

［5］俞立平，張曉東. 基于熵權(quán)TOPSIS的地區(qū)高?？萍几偁幜υu價研究［J］. 情報雜志，2013，32（11）：181-186.

［6］劉 宇，方 曙，楊志萍，等. 面向技術(shù)領(lǐng)域的科研機構(gòu)競爭力評價模型研究與實踐［J］. 情報理論與實踐，2018，41（10）：105-110.

［7］丁敬達，邱均平. 科研評價指標(biāo)體系優(yōu)化方法研究——以中國高?？萍紕?chuàng)新競爭力評價為例［J］. 科研管理，2010，31（4）：111-118.

［8］張超星. 學(xué)科領(lǐng)域發(fā)展態(tài)勢分析：五維分析法［J］. 情報學(xué)報，2020，39（11）：1204-1213.

［9］周 鑫，陳媛媛. 關(guān)鍵詞詞頻變化視角下學(xué)科研究發(fā)展趨勢分析——以國內(nèi)情報學(xué)研究為例［J］. 情報雜志，2016，35（5）：133-140，112.

［10］關(guān) 鵬，王曰芬，傅 柱. 不同語料下基于LDA主題模型的科學(xué)文獻主題抽取效果分析［J］. 圖書情報工作，2016，60（2）：112-121.

［11］Mustafee N，Katsaliaki K，F(xiàn)ishwick P. Exploring the modelling and simulation knowledge base through journal co-citation analysis［J］. Scientometrics，2014，98（3）：2145-2159.

［12］Shibata N，Kajikawa Y，Takeda Y，et al. Detecting emerging research fronts based on topological measures in citation networks of scientific publications［J］.Technovation，2008，28（11）：758-775.

［13］鄭彥寧，許曉陽，劉志輝. 基于關(guān)鍵詞共現(xiàn)的研究前沿識別方法研究［J］.圖書情報工作，2016，60（4）：85-92.

［14］白如江，劉博文，冷伏海. 基于多維指標(biāo)的未來新興科學(xué)研究前沿識別研究［J］.情報學(xué)報，2020，39（7）：747-760.

［15］陳 穩(wěn)，陳 偉. 科學(xué)與技術(shù)對比視角下的前沿主題識別與演化分析［J］.情報雜志，2022，41（1）：67-73，163.

［16］林 巧，孔令博，聶迎利，等. 京津冀地區(qū)農(nóng)業(yè)核心科研機構(gòu)競爭力分析［J］.農(nóng)業(yè)工程，2021，11（9）：97-102.

［17］齊 帆，陳進紅. 基于文獻計量學(xué)的長三角地區(qū)農(nóng)業(yè)基礎(chǔ)研究能力分析［J］.浙江農(nóng)業(yè)科學(xué)，2020，61（6）：1208-1213.[HJ2mm]

［18］袁 雪，劉敏娟，王 婷，等.農(nóng)業(yè)科研機構(gòu)作物學(xué)科科技競爭力評價研究［J］.科技管理研究，2016，36（5）：57-60.

［19］任 妮，陸學(xué)文，虞德容，等. 基于SCI論文產(chǎn)出的江、浙、滬、魯4省市農(nóng)科院科研競爭力評價研究［J］.農(nóng)業(yè)圖書情報學(xué)刊，2016，28（3）：70-76.

［20］鄭美玉. 基于Innography的農(nóng)林類高校專利競爭力研究［J］.圖書情報工作，2018，62（1）：117-124.

［21］于 奇，王艷麗，賈裕嬌. 基于InCites和CNKI數(shù)據(jù)庫的我國10所高校園藝學(xué)學(xué)科文獻計量分析［J］.江蘇科技信息，2019，36（26）：7-12.

［22］梁曉賀，黃 政，孫 巍. 學(xué)科領(lǐng)域競爭力分析方法研究——以動物資源與育種領(lǐng)域為例［J］.數(shù)字圖書館論壇，2015（12）：21-28.

［23］孫銘陽，徐世強，張聞婷，等. 國內(nèi)外穿心蓮研究態(tài)勢分析［J］.中國農(nóng)學(xué)通報，2022，38（34）：155-164.

［24］楊蘭偉，許皓月，呂軍海. 基于文獻計量的板栗研究態(tài)勢分析［J］.河北農(nóng)業(yè)科學(xué)，2020，24（5）：97-100.

［25］趙艷俠，張久慧，亓桂梅. 基于CNKI文獻分析我國葡萄研究發(fā)展態(tài)勢［J］.農(nóng)業(yè)科學(xué)研究，2017，38（4）：56-61.

［26］陳 雪，袁紫儀，林湘岷，等. 基于Web of Science文獻計量的我國節(jié)水農(nóng)業(yè)研究態(tài)勢分析［J］.中國農(nóng)業(yè)大學(xué)學(xué)報，2022，27（8）：198-207.

［27］熊 晶，陳曉煒，譚康銘，等. 基于文獻計量的我國循環(huán)農(nóng)業(yè)研究態(tài)勢分析［J］.西南師范大學(xué)學(xué)報（自然科學(xué)版），2020，45（8）：58-66.

［28］李燈華，許世衛(wèi)，李干瓊. 農(nóng)業(yè)信息技術(shù)研究態(tài)勢可視化分析［J］.農(nóng)業(yè)展望，2022，18（2）：73-86.

［29］郭 婷，任 妮，貴淑婷，等.基于氣候變化的作物模型研究態(tài)勢分析［J］.江蘇農(nóng)業(yè)科學(xué)，2017，45（24）：17-25.

［30］吳磊琦，諶 凱，吳巧玲. 基于專利文獻的移栽機械發(fā)展態(tài)勢分析［J］.江蘇農(nóng)業(yè)科學(xué)，2018，46（22）：7-13.

［31］顏志輝，鄭懷國，趙靜娟，等. 基于SCI論文的作物轉(zhuǎn)基因育種領(lǐng)域發(fā)展態(tài)勢分析［J］.中國農(nóng)業(yè)科技導(dǎo)報，2016，18（2）：208-215.