科研合作中机构间科研主导力及邻近性机理以中国生物医学领域为例

科研合作中机构间科研主导力及邻近性机理 以中国生物医学领域为例

科研合作中机构间科研主导力及邻近性机理——以中国生物医学领域为例贺超城12吴江12魏子瑶12刘福珍12
1武汉大学信息资源研究中心,武汉 430072;2武汉大学电子商务研究与发展中心,武汉 430072
DOI:10.3772/j.issn.1000-0135.2020.02.003

在学科紧密相关和信息资源相融的当代,探究科研合作的影响因素成了诸多学者关注的话题。然而,现有研究将各种合作关系视同一律,即两人发表一篇合著文章,便形成合作关系;同时,大部分研究没有系统地研究多维邻近性的影响。为此本文提出了“科研主导力”的概念与测度,并从多维邻近性出发系统地分析科研合作的影响因素。本文基于Web of Science(WoS)上2013—2017年的生物医学(Life Sciences Biomedicine)领域中国境内科研机构发表的论文数据,采用社会网络分析和引力模型,揭示了中国境内生物医学领域的科研主导网络的网络拓扑特征与多维邻近性机制,发现科研主导力两极分化严重,分散程度提高,互惠程度提高;主导机构(通信作者所在机构)和参与机构(非通信作者所在机构)的累积科研主导力显著促进科研主导力的扩散,且主导机构的促进作用大于参与机构;地理距离会阻碍科研主导力的扩散;认知背景相似度越高,社会关系越密切,越能形成科研主导关系;同样的制度环境、文化环境可以促进科研主导关系的形成。本文对全面理解多样化的科研合作模式、演化及其影响因素提供借鉴意义,研究科研主导力的相关方法可以推广到其他领域中。科研主导力;科研合作;引力模型;社会网络分析;邻近性分析1 引 言在学科界限日渐模糊、科技成果日新月异、科研项目日趋复杂的大背景下,科研合作成为一种符合主流的发展趋势,促进了不同学科知识的流动和融合,全球范围内的合作发文比例呈现稳步上升趋势[1,2]。科研合作被定义为来自不同学科的研究团队共同协作来研发出新的科学知识。个人、机构、地区、国家层面等各种形式的科研合作层出不穷,推动了合作关系的形成和科学研究朝着更广更深的方向发展。在个人层面,合作多样性、合作稳定性以及合作强度可以促进科研产出,促进发文“质”和“量”的提高[3];在机构层面,高校间的科研合作强度与科研产出是成正比的,而地域特征和学科特征是影响高校科研合作的两大重要因素[4];在地区层面,制度邻近性和技术邻近性是促进城市间创新合作的关键因素,而地理距离是其阻碍因素[5];在国家层面,国际学术合作会提供有形资产(如基金)和无形资产(如共同目标、高互动性、相互依赖性和知识流动)来解决复杂的研究问题[6]。科研合作有多种形式,如联合承担项目、合作推广成果、合著发表论文等。期刊论文因为其时效性、专业性等特点能够及时全面反映各个学科的前言与进展,是最为普遍的研究视角[7,8,9]。故本文从合著论文角度出发研究科研合作。现有研究没有全面系统地研究科研合作的影响因素。科研合作是个人、机构、地区、国家等提高科研产出的重要途径,哪些因素会促进科研合作的形成?地理、社会与认知邻近性是科研合作的影响因素[10,11,12]。地理、社会和认知距离越近,可以有效地减少交流沟通带来的成本,提高合作的效率[13];然而有研究表明,认知背景的差异对科研合作的互补性有积极意义。尽管现有研究从不同的研究主题、研究数据、研究方法等层面对科研合作及其影响因素进行了细致的刻画,但还是存在不足。如Boschma[14]提出了影响知识流动科研合作的五种邻近性(地理、认知、制度、组织、社会),但是大多数的研究局限于一种或两种邻近性,尤其是地理邻近性,没有全面系统地研究多种邻近性对科研合作的影响[15,16]。现有的研究将各种合作关系视同一律。科研合作是一个复杂系统,理论创新、实验设计、数据分析、论文撰写等各种任务纷繁复杂,门槛要求参差不齐,需要有团队人员承担主导角色,作出主要贡献,整合各方资源。在一篇合著论文中,第一作者和通信作者被认为是主导者,因为他们对合作作出了最实质的贡献[17],被认为是科学主动性和原创性的标志[18]。同时,他们在合作中起到了桥梁作用,他们与其他作者之间的合作关系强于参与作者彼此之间的合作关系[19]。随着合作规模的扩大,有的参与作者(非第一作者或通信作者)之间可能并不知晓彼此,也没有交互,通信作者与参与作者之间的合作关系进一步强于参与作者彼此之间的合作关系。然而,现有的研究对各种合作关系等量齐观,即只要两人在发表的同一篇文章中署名,便形成一个合作关系[2]。因此,有必要深入研究一下参与作者与主导作者(第一作者与通信作者)的合作关系。为了更好地解决上述问题,本文量化了科研合作中的主导关系,提出了“科研主导力”的概念与测度,以中国生物医学领域为例,全面系统地探究了不同邻近性对科研主导关系形成的影响。通信作者同时对科研内容与团队组织负责,从科研的发起到论文的发表,其作用贯穿了科研过程的始终。通信作者的科研主导力可以更好地展现科研合作中的强关系。本文首先从微观科研机构层面出发,通过社会网络分析剖析了我国科研机构之间的主导/参与模式及其演化;然后采用引力模型全面系统地实证研究了科研主导力的四种邻近性影响机理。2 文献综述及相关假设2.1  科研主导力科研主导力只考虑通信作者所在机构与其他作者所在机构的科研主导/参与的合作关系[20,21],以揭示科研合作中的科研主导/参与关系。科学研究不是各项任务简单的线性累加,而是由具有轻重缓急、逻辑先后、相互作用的诸多科研任务组成的有机整体;同时,科研合作团队是有组织架构、有明确分工、有权利责任的专业团队。面对复杂的科学任务,要发挥专业化团队的作用,科研主导不可或缺。科研论文的第一作者与通信作者往往是整篇文章的主导者,对整个科学研究过程起到主导、推动作用。例如,在生物和医学领域[22],第一作者负责实验的实施与文章的撰写;其他作者(非第一作者或通信作者)则是被分配了更加专业化的任务,如数据分析、结果可视化、文章润色等[18];通信作者则同时对科研内容与团队组织负责[23]:科研方向的确定、实施路线的规划、团队成员的招募、合作平台的搭建、项目任务的分配、实验实施的指导、各方进度的协调、行文逻辑的把握、文章稿件的投递……通信作者贯穿了科研过程的始终[18],是合作中最实质的贡献者[17],是科研成果原创性的标志[18]。并且,随着科研团队规模的扩大与科研复杂程度的上升,通讯信作者的主导作用也水涨船高[24],有的参与作者之间可能并不知晓彼此,也没有交互,通信作者与参与作者之间的合作关系强于参与作者彼此之间的合作关系。此外,在国内的学术体系中,无论是教师的绩效考核,还是学生的成果评价,通信作者的地位远高于其他作者,甚至第一作者。很多现有研究将通信作者所在机构作为科研主导者,其他作者所在机构作为科研参与者[25,26]。同时,绝大多数的国内合作文章中,通信作者所在机构与第一作者所在机构相同。本文从机构层面研究科研合作,因此本文将通信作者所在机构视为主导机构,其他机构视为参与机构。2.2  科研合作的邻近性邻近性的概念最早源于Marshall[27]的“集群经济”,主要指同一集群内部经济活动主体在空间上的协同定位关系(地理邻近性)。自20世纪90年代以来,邻近性的概念广受关注且远远超出了地理邻近性的范畴[28]。Boschma[14]提出的影响知识流动科研合作的五种邻近性(地理、认知、制度、组织、社会)广受关注。因为本文聚焦于中国境内科研机构在生物医学方面的科研合作与主导,所以本文不考虑组织邻近性。地理邻近性指地理空间上的邻近性,可以用地理距离来衡量[29]。地理距离影响科研主体面对面的交流,科研设备的共享,学术经验尤其是隐性知识的传承。因此,较短的地理距离可能促进科研主体之间的合作,但这也不是先决条件,因为其他邻近维度可能起到替代作用。现有文献指出,地理距离阻碍了中国跨区域知识生产合作[30]。地理距离越近,科研主体之间的合作概率越大[13,31]。因此,本文提出假设一。H1:地理距离与机构间科研主导力的扩散有显著的负向影响。认知邻近性指科研主体之间的认知重叠度,即认知背景的相似程度[29]。现有文献采用科研主体发文在12大学科分类上的相似度来衡量[2]。新知识的产生需要科研主体有多样、互补的知识基础,但也需要有对既有知识,尤其是隐性知识的理解、吸收能力。较低的科研相似度可以提高科研主体之间的认知互补性[32]。但是较高的认知相似度可以降低科研主体之间的交流壁垒,增强对新知识的吸收能力,提高科研主体之间的沟通效率[14]。鉴于此,本文提出假设二。H2:认知邻近性与机构间科研主导力的扩散有显著的正向影响。制度邻近性指两个科研主体之间的文化、政策等相似性[2]。现有文献采用虚拟变量来表示制度距离[2,32],即位于同一个区域的两个科研主体具有同样的制度环境,则虚拟变量取1,否则取0。政策、习惯等制度因素规范了科研主体之间的交互和联系[33]。不同的科技学术政策环境对科研主体的合作有重要的影响[29]。因此,本文提出假设三。H3:制度邻近性与机构间科研主导力的扩散有显著的正向影响。社会邻近性源于嵌入性理论,指基于更为无形的亲密关系的社会嵌入性[14],如研究者之间的友谊或先前的合作经历[34]。社会嵌入程度与知识交流和合作创造知识有关,前期存在的创新网络在提供潜在合作伙伴信息的可用性和可靠性方面发挥重要作用[35],先前共同的合作发文经历是科研合作的社会邻近性基础[36]。由于已建立的信任和承诺,社会邻近性将促进知识互动与科研合作[13]。因此,本文提出假设四。H4:社会邻近性与机构间科研主导力的扩散有显著的正向影响。3 研究方法与数据来源3.1  科研主导力测度在科研合作中,现有研究主要采用两种计数方法来衡量两个机构之间的合作强度:“整数计数法”和“分数计数法”[37]。对于“整数计数法”,每当两个机构出现在同一篇论文中,两者合作强度增加单位1。对于“分数计数法”,整篇文章的合作强度为单位1,机构两两之间的合作强度为2/(N-1)N。参考现有文献[33,37],本研究考虑主导机构对参与机构的主导次数,而不是参与机构对文章的贡献,所以我们采用“整数计数法”。科研主导关系涉及的两个主体分别是主导机构和参与机构,由于两者的地位是主导与被主导关系,所以科研主导关系是一个有向关系。在一篇论文中,主导机构对其中一个参与机构的主导力(主导次数)为1,(1)通过主导次数的累加可以得到对的总科研主导力,(2)其中,为作为主导机构且作为参与机构的所有合著论文的数量。的累积科研主导力(对所有科研机构的总主导力)为(3)其中,表示被主导的参与机构数量。图1展示了一篇文章中,主导机构I1对参与机构I2、I3、I4的科研主导力。因为这篇文章中,I1对参与机构只主导了一次,所以每条有向边的权重为1。图2展示了多篇文章下的科研机构之间的科研主导力加权有向网络,不同颜色的圆点表示不同的科研机构,各个有向边的颜色与其源点一致,表示从其源点机构出发的科研主导力,边的粗细表示机构之间科研主导力的大小。机构I1对I2、I3、I4的主导次数分别为2、2、1,机构I2对I1、I3、I4的主导次数分别为1、1、1。
图1单篇论文中,主导机构对参与机构的科研主导力模型
图2多篇文章下,科研机构间科研主导力加权有向网络模型(彩图请见http://qbxb.istic.ac.cn/CN/volumn/home.shtml)3.2  数据来源本文数据来自于Web of Science(WoS)核心引文数据库,WoS核心引文数据库汇集了国际主流的生物医学领域的期刊[19],提供了关于作者及其机构完整细致的信息。本文采用生物医学领域(Life Sciences Biomedicine)的中国境内科研机构之间的合著数据。因为在中国境内,第一作者机构往往是通信作者机构,通信作者享受最高的认可度;在生物医学领域,通信作者的主导角色尤为突出。我们采用的检索语句为“CU = A AND SU = B AND PY = C”,其中,A是“PEOPLES R CHINA”,B是“Life Sciences Biomedicine”1,C是“2013-2017”。我们通过检索得到2013—2017年国内机构在生物医学领域的完整合作信息,初步得到484903篇论文。应用本文提出的“科研主导力”的概念与测度,我们计算了各个机构之间的科研主导力双边关系。为了减少边缘机构的干扰,我们根据一个机构每年的总主导力大于零的条件筛选了244个机构。因为科研主导关系是有向的,所以理论上每年能够产生244(244-1)=59292条有向边。3.3  科研主导的引力模型引力模型源于万有引力定律,其基本思想是,两个物体之间的万有引力与两个物体的质量成正比,与两者之间的距离成反比。早期对引力模型的延伸应用集中在国际贸易领域[38],其类比万有引力,指出两个国家之间的双边贸易规模与其经济总量成正比,与两国的地理距离成反比[39],也有学者将人口变量、人均收入等因素扩展入引力模型。随后,引力模型被应用到诸多其他社会科学领域,如人口流动[40],尤其是科研合作领域。两个科研主体之间的科研合作规模(合著论文数量)与两者各自的发文量成正比,与两者的地理距离成反比[16,41,42]。本文提出科研主导力的概念和测度,基于引力模型,探究地理、认知、制度、社会等多维邻近性对科研主导力的作用机制,(4)其中,i、j分别表示主导机构和参与机构;表示机构对机构的主导力;是常数项;、分别是主导机构和参与机构的对其他科研机构的累积主导力;是机构i、j之间的地理距离;是机构i、j之间的认知邻近性2;是制度邻近性[2],是一个虚拟变量,如果两个机构在同一个省份,则取1,反之,则取0;是社会邻近性[2],是一个虚拟变量,如果两个机构之前有过合作,则取1,反之,则取0。为了最小化内生性与反向因果关系,本文对自变量做了时间滞后处理,即应变量对应于2013—2017年,而、、、、都对应于2008—2012年,详见表1。表1变量与数据来源

4 科研主导力网络特征4.1  科研主导力两极分化严重表2列出了累积科研主导力前10位的科研机构,以及其值、比重、累积比重。图3是利用Gephi可视化的生物医学领域中国机构间科研主导力加权有向网络图。图中节点的大小取决于该机构的累积科研主导力强度,边的粗细代表机构对的科研主导力强度。由表2可知,科研主导力的分布两极分化极为严重,244个科研机构中,仅上海交通大学仅一家就占据了4.04%的科研主导力,北京大学、中国医学科学院、中山大学、浙江大学等紧随其后。前15位的科研机构占据了244个机构总科研主导力的2/5。图3更为全面直观地显示了科研主导力的两极分化态势。少数科研机构占据了网络的核心地位,如(上海交通大学、北京大学、中国医学科学院、中山大学、浙江大学等),主导了大部分机构之间的科研。它们整合科研资源,分配任务,协调合作,把握方向,推动科研合作的进展;多数边缘机构在核心机构的带领下完成更细化的任务,将自己特长的科研资源嵌入到全国性的科研网络中去。表2生物医学领域中国机构间科研主导力前10位的科研机构

图3生物医学领域中国机构间科研主导力加权有向网络图4.2  科研主导力越来越分散科研机构的科研主导力衡量了该机构对其他机构科研主导能力的大小。如果一个机构输出的科研主导力集中在少数其他几个机构中,那么它的科研资源整合、主导范围就局限在少数几个机构中。反之,如果一个机构输出的科研主导力分散在多个其他机构中,即一个机构主导的参与机构数量越多,对每个机构的科研主导力输出越均匀,说明他的科研主导力高度分散,它能够整合、影响的科研资源范围越大。为了刻画科研机构的科研主导力分散性及其演化,我们借用了信息熵[43]。“熵”是对不确定性的一种度量,均匀分布时具有最大的不确定性,此时无序性最强,熵值最大,系统内各对象之间的平等性最高,熵值的减小意味着对象之间的关系逐渐趋向于有序和不平等。参考香农的信息熵[43],我们给出主导机构的科研主导熵的测度为(5)图4展示了2013—2017年机构科研主导熵的核密度分布。分布呈现以下几个特点:①大部分机构的科研主导熵处于[2,3]区间内,在[0,1]和[4,5]区间内的机构数量占比很小,这说明大部分机构的科研主导力比较集中,少数机构将其科研主导力分散到诸多参与机构中,在更大范围内整合科研资源;②随着时间变化,机构的科研主导熵整体分布是向右偏移。整体上,机构的科研主导熵在增加,主导机构在将其科研主导力分散到多个参与机构,原本没有主导关系的机构之间建立了主导关系。
图42013—2017生物医学领域中国机构间科研主导熵的核密度分布图4.3  科研主导力越来越互惠在科研主导力加权有向网络中,并不是所有的机构之间都存在双向的科研主导关系,即机构对机构存在科研主导关系并不意味着机构对机构也存在着科研主导关系。科研主导力的互惠性,衡量了两个机构之间具有双向主导关系的程度。为了衡量各个机构对科研合作体系的参与程度,我们借用Garlaschelli等[44]定义的互惠系数,(6)其中,。值越大,说明整个网络的互惠程度越高。2013—2017年机构平均科研主导力互惠度演化曲线如图5所示,值从2013年的0.63增加到2017年的0.83,反映出机构之间的科研主导力互惠程度越来越高,更多的机构之间开展双向的均衡的科研主导关系,科研机构之间的互补性进一步增强,更多科研机构通过自己的比较优势融入全国性的科研共同体中。
图52013—2017年生物医学领域中国机构平均科研主导力互惠度演化图5 科研主导力邻近性机理本文基于引力模型,探究地理、认知、制度、社会等多维邻近性对科研主导力的作用机制。由于因变量中存在较多0值(大部分科研机构之间没有科研主导关系),同时由于应变量是主导机构与参与机构之间的科研主导次数,是非负整数,所以本文采用零膨胀负二项模型(ZINB)、零膨胀泊松模型(ZIP)、负二项模型(Negative Binomial)、泊松模型(Poisson)来进行回归同时进行鲁棒性检验[11]。表3显示了变量之间的描述性统计与相关系数。所有变量的VIF都在3以下;小于10,表明变量之间的共线性问题不显著。表3变量的描述性统计与相关系数

表4给出了基于引力模型的ZINB、ZIP、Negative Binomial和Poisson回归结果。模型ZINB和Negative Binomial中,α的参数均不等于零,说明拟合程度较好,模型具有较好的解释力。同时,4个模型中,各因变量都具有1%的显著性水平,本模型的结果具有较好的鲁棒性。具体而言,主导机构和参与机构的科研主导力的累积科研主导力和对科研主导力的扩散都有显著的促进作用,表明国内生物医学领域科研论文主导体系存在显著的强强联合、合作共赢的演化态势。这与文献[1]的研究结果相符。值得注意的是,4个模型中,的系数都高于的系数,说明主导机构的累积科研主导力对科研主导力扩散的促进作用大于参与机构的。因此,科研机构无论想要发挥更多的科研主导角色还是想要发挥更多的科研参与角色,都要注重加强自身的科研主导能力。表4基于引力模型的ZINB、ZIP、Negative Binomial和Poisson回归结果

注:*表示p0.1,**表示p0.05,***表示p0.01。

就地理邻近性而言,4个模型的系数都是负数,且p0.01,这与许多研究发现[11,12]相符。说明地理距离显著阻碍科研主导力的扩散,H1得到验证。可能的解释是,地理距离阻碍了科研主体之间的线下面对面交互,尤其是在生物医学领域,复杂的实验设备和流程促使科研主体表现出地理集聚倾向,科研主体更愿意主导、整合地理邻近的科研参与方,通过面对面的互动实现隐性/显性的知识/经验的扩散,提高科研资源的整合与科研成果的产出的效率。就认知邻近性而言,4个模型都显示,认知邻近性对科研主导力的扩散有显著的促进作用,这与文献[2]的研究发现相符,H2得到验证。在我国生物医学领域,科研主体时间需要有共同的认知背景来降低科研主体之间的交流壁垒,增强对新知识的吸收能力,提高科研主体之间的沟通效率,顺利地实现对未知领域的合作探索。就制度邻近性而言,的系数在4个模型中处于0.99~1.40,且都显著(p0.01),说明制度邻近性对科研主导关系的形成有显著促进作用,H3得到验证,这与文献[2,32]相一致。我国的教育科技资源按照省份分配,同时我国的民族构成、文化制度环境复杂,我国生物医学领域的科研主体更愿主导/参与具有相近制度的科研伙伴。就社会邻近而言,4个模型都显示显著的正向作用,H4得到验证,这与文献[1]的研究结论相符。科研主体之间的社会关系越密切,越有利于科研主导关系的形成。尤其是生物医学领域,科研项目具有持续性,能够持续产生学术成果。同时,科研主体之间基于信任、先前合作经历所建立的科研主导/参与关系,能够能有效地降低合作的不确定性,减少机会主义的风险,减少烦琐的流程,更便于后续非正式的知识交换。6 总结与展望本文提出了“科研主导力”的概念与测度,为全面理解科研合作提供了一个全新的视角。基于Web of Science科研论文数据,本文采用社会网络分析和引力模型揭示了我国境内生物医学领域的科研主导网络的拓扑特征与多维邻近性机制。通过社会网络分析,我们发现,①我国境内科研机构的科研主导力两极分化严重,大部分科研主导力来自少部分科研机构,这些顶尖的科研机构能够整合大部分参与机构的科研资源;②我国境内科研机构的科研主导力分散程度增加,机构逐渐将其科研主导力分散到多个其他机构,原本没有主导关系的机构之间建立了主导关系,各个机构的相对地位越来越均等;③我国境内科研机构的科研主导力互惠程度增加,更多的机构之间开展双向的均衡的科研主导关系,科研机构之间的互补性进一步增强,更多科研机构通过自己的比较优势融入全国性的科研共同体中。通过引力模型的多维邻近性分析,我们发现主导机构和参与机构的累积科研主导力和对科研主导力的扩散都有显著的促进作用,且主导机构对科研主导力扩散的促进作用大于参与机构;科研主体之间的地理距离与科研主导力的扩散呈显著的负相关,科研主体更愿意主导、整合地理邻近的科研主体;科研主体之间的认知背景相似度越高,两者之间越倾向于形成科研主导关系;同样的制度环境、文化环境可以促进科研主体之间的科研主导关系;科研主体之间的社会关系越密切,越有利于科研主导关系的形成。本文对于全面理解多样化的科研合作模式、演化及其影响因素有一定的借鉴意义。脚注
1.http://images.webofknowledge.com/WOKRS532FR6/help/WOS/hp_research_areas_easca.html
2.本文对历年论文基于关键词进行LDA聚类,得到50个类,根据这50个类建立50维的向量来表示每一篇文章,根据各个科研机构发表的论文向量,累加得到各个机构的50维向量表示;两个机构之间的认知邻近性即认知相似度,为两个机构的向量余弦相似度。
[1]刘承良,桂钦昌,段德忠,等.全球科研论文合作网络的结构异质性及其邻近性机理[J].地理学报,2017,72(4):737-752.
[2]Fernández A,Ferrándiz E,León M D.Proximity dimensions and scientific collaboration among academic institutions in Europe: The closer, the better?[J].Scientometrics,2016,106(3):1073-1092.
[3]张雪,张志强,陈秀娟.基于期刊论文的作者合作特征及其对科研产出的影响——以国际医学信息学领域高产作者为例[J].情报学报,2019.38(1):29-37.
[4]赵蓉英,王旭,亓永康.我国世界一流大学建设高校间科研合作网络研究——基于CNKI和WoS数据的对比[J].情报理论与实践,2018,41(10):1-7.
[5]鲜果,曾刚,曹贤忠.中国城市间创新网络结构及其邻近性机理[J].世界地理研究,2018,27(5):139-146.
[6]Jeong S,Choi J Y,Kim J Y.On the drivers of international collaboration: The impact of informal communication, motivation, and research resources[J].Science and Public Policy,2013,41(4):520-531.
[7]苏金燕.我国人文社会科学合作的地域倾向研究——基于经济学期刊论文的计量分析[J].现代图书情报技术,2013(10):43-52.
[8]汪志兵,韩文民,孙竹梅,等.基于网络拓扑结构与节点属性特征融合的科研合作预测研究[J].情报理论与实践,2019,42(8):116-120, 109.
[9]Newman M E J.The structure of scientific collaboration networks[J].Proceedings of the National Academy of Sciences of the United States of America,2001,98(2):404-409.
[10]Hoekman J,Scherngell T,Frenken K,et al.Acquisition of European research funds and its effect on international scientific collaboration[J].Journal of Economic Geography,2014,13(1):23-52.
[11]Sidone O J G,Haddad E A,Mena-Chalco J P.Scholarly publication and collaboration in Brazil: The role of geography[J].Journal of the Association for Information Science and Technology,2017,68(1):243-258.
[12]陈光华,王烨,杨国梁.地理距离阻碍跨区域产学研合作绩效了吗?[J].科学学研究,2015,33(1):76-82.
[13]吕国庆,曾刚,顾娜娜.基于地理邻近与社会邻近的创新网络动态演化分析——以我国装备制造业为例[J].中国软科学,2014,4(5):97-106.
[14]Boschma R.Proximity and innovation: A critical assessment[J].Regional Studies,2005,39(1):61-74.
[15]Acosta M,Coronado D,Ferrándiz E,et al.The geography of university scientific production in Europe: An exploration in the field of Food Science and Technology[J].Scientometrics,2017,112(1):215-240.
[16]Parreira M R,MacHado K B,Logares R,et al.The roles of geographic distance and socioeconomic factors on international collaboration among ecologists[J].Scientometrics,2017,113(3):1539-1550.
[17]Pichini S,Pulido M,García-Algar ó.Authorship in manuscripts submitted to biomedical journals: An author’s position and its value[J].Science and Engineering Ethics,2005,11(2):173-175.
[18]Hu X J,Rousseau R,Chen J.In those fields where multiple authorship is the rule, the h-index should be supplemented by role-based h-indices[J].Journal of Information Science,2010,36(1):73-85.
[19]González-Alcaide G,Park J,Huamaní C,et al.Dominance and leadership in research activities: Collaboration between countries of differing human development is reflected through authorship order and designation as corresponding authors in scientific publications[J].PLoS ONE,2017,12(8):e0182513.
[20]边鸿宾,邱长波,张哲.基于SSCI的社会科学国际合作中中国主导地位分析[J].情报科学,2013,31(8):61-65.
[21]岳晓旭,袁军鹏,黄萃,等.基于ESI学科分类的中国科研国际合作主导地位变迁分析[J].科学学与科学技术管理,2018,39(4):3-17.
[22]Sekara V,Deville P,Ahnert S E,et al.The chaperone effect in scientific publishing[J].Proceedings of the National Academy of Sciences of the United States of America,2018,115(50):12603-12607.
[23]Wang L L,Wang X W.Who sets up the bridge? Tracking scientific collaborations between China and the European Union[J].Research Evaluation,2017,26(2):124-131.
[24]Wang W C,Wu Y S,Pan Y T.An investigation of collaborations between top Chinese universities: A new quantitative approach[J].Scientometrics,2014,98(2):1535-1545.
[25]Moya-Anegón F,Guerrero-Bote V P,Bornmann L,et al.The research guarantors of scientific papers and the output counting: A promising new approach[J].Scientometrics,2013,97(2):421-434.
[26]Alvarez-Betancourt Y,Garcia-Silvente M.An overview of iris recognition: a bibliometric analysis of the period 2000-2012[J].Scientometrics,2014,101(3):2003-2033.
[27]Marshall A.Principles of economics: An introductory volume[M].London:Macmillan,1961:58-60.
[28]Torre A,Rallet A.Proximity and localization[J].Regional Studies,2005,39(1):47-59.
[29]党兴华,弓志刚.多维邻近性对跨区域技术创新合作的影响——基于中国共同专利数据的实证分析[J].科学学研究,2013,31(10):1590-1600.
[30]Scherngell T,Hu Y J.Collaborative knowledge production in China: Regional evidence from a gravity model approach[J].Regional Studies,2011,45(6):755-772.
[31]李丹丹,汪涛,周辉.基于不同时空尺度的知识溢出网络结构特征研究[J].地理科学,2013,33(10):1180-1187.
[32]Plotnikova T,Rake B.Collaboration in pharmaceutical research: Exploration of country-level determinants[J].Scientometrics,2014,98(2):1173-1202.
[33]Hoekman J,Frenken K,Tijssen R J W.Research collaboration at a distance: Changing spatial patterns of scientific collaboration within Europe[J].Research Policy,2010,39(5):662-673.
[34]Coenen L,Moodysson J,Asheim B T.Nodes, networks and proximities: On the knowledge dynamics of the Medicon Valley biotech cluster[J].European Planning Studies,2004,12(7):1003-1018.
[35]Gulati R,Gargiulo M.Where do interorganizational networks come from?[J].American Journal of Sociology,1999,104(5):1439-1493.
[36]Asheim B,Coenen L,Vang J.Face-to-face, buzz, and knowledge bases: Sociospatial implications for learning, innovation, and innovation policy[J].Environment and Planning C: Government and Policy,2007,25(5):655-670.
[37]Bergé L R.Network proximity in the geography of research collaboration[J].Papers in Regional Science,2017,96(4):785-815.
[38]Isard W.Location theory and trade theory: Short-run analysis[J].The Quarterly Journal of Economics,1954,68(2):305-320.
[39]Burger M,van Oort F,Linders G J.On the specification of the gravity model of trade: Zeros, excess zeros and zero-inflated estimation[J].Spatial Economic Analysis,2009,4(2):167-190.
[40]Metulini R,Sgrignoli P,Schiavo S,et al.The network of migrants and international trade[J].Economia Politica,2018,35(3):763-787.
[41]Zhang C,Guo J.China’s international research collaboration: evidence from a panel gravity model[J].Scientometrics,2017,113(2):1129-1139.
[42]Acosta M,Coronado D,Ferrándiz E,et al.Factors affecting inter-regional academic scientific collaboration within Europe: The role of economic distance[J].Scientometrics,2011,87(1):63-74.
[43]Shannon C E.A mathematical theory of communication[J].Bell System Technical Journal,1948,27(3):379-423.
[44]Garlaschelli D,Loffredo M I.Patterns of link reciprocity in directed networks[J].Physical Review Letters,2004,93(26):810-814.

ARTICLE META
Research Dominance Between Institutions and Its Proximity Mechanism in Research Collaboration: A Case Study of Chinas Biomedical FieldHe Chaocheng12Wu Jiang12Wei Ziyao12Liu Fuzhen12
1Center for Studies of Information Resources, Wuhan University, Wuhan 430072;2Center for Chinese E-commerce Research and Development, Wuhan University, Wuhan 430072
When disciplines are closely related and information resources are integrated, many scholars are concerned about investigating the factors that influence scientific research cooperation. However, prior studies have considered all the collaborations equally, which implies that if the names of two organizations are mentioned in the same paper, one collaboration is counted. In addition, most studies have failed to systematically and comprehensively examine the relationships between research collaboration and the key identified factors. Thus, in this study, we propose the concept and measurement of “research dominance” and examine the influence of multi-dimensional proximities on the diffusion of research dominance. We collect data related to the co-publications of Chinese institutions in Life Sciences Biomedicine fields during the period of 2013-2017 from Web of Science. Social network analysis and gravity model shed light on the pattern and the role of multi-dimensional proximities on research dominance. In particular, research dominance is seriously polarized, but increasingly decentralized and reciprocal. The cumulative research dominance of the dominant institution and participating institution significantly and positively influences the diffusion of research dominance. Moreover, close cognitive, institutional, and social proximities facilitate the formation of research dominant relationship between the dominant and participating institutions, while geographical distance demonstrates a barrier influence on the diffusion of research dominance. This study provides a comprehensive insight of diversified modes of scientific research cooperation, evolution, and their influencing factors. It is important to note that research dominance can be extended to other fields as well.research dominance;research collaboration;gravity model;social network analysis;proximity mechanismABOUT引用本文:贺超城,吴江,魏子瑶等.科研合作中机构间科研主导力及邻近性机理[J].情报学报,2020,39(02):148-157.(He Chaocheng,Wu Jiang,Wei Ziyao,et al.Research Dominance Between Institutions and Its Proximity Mechanism in Research Collaboration: A Case Study of Chinas Biomedical Field[J].Journal of the China Society for Scientific and Technical Information,2020,39(02):148-157.)
作者简介:贺超城,男,1993年生,博士研究生,研究方向为社会仿真、数据挖掘与数据分析
作者简介:吴江,男,1978年生,博士,教授,博士生导师,主要研究领域为社会网络计算、网络信息计量,E-mail:jiangw@whu.edu.cn
作者简介:魏子瑶,女,1995年生,硕士研究生,研究方向为在线社区知识交流、社会网络计算
作者简介:刘福珍,女,1994年生,硕士研究生,研究方向为社会网络计算和数据分析。
基金信息:国家自然科学基金面上项目“创新2.0超网络中知识流动和群集交互的协同研究”(71373194),“内容关系互动下的在线医疗社区用户行为演化研究”(71573197)。
文章编号:1000-0135(2020)02-0148-10
收稿日期:2019-06-18
修回日期:2019-07-22
出版日期:2020-02-29
网刊发布日期:2020-02-27
责任编辑:王克平

赞(0)
未经允许不得转载:第一SCI网 » 科研合作中机构间科研主导力及邻近性机理以中国生物医学领域为例

评论 抢沙发

评论前必须登录!