国际合作网络对科学会聚的影响分析
毛荐其，荣雪云，刘 娜
(山东工商学院工商管理学院，山东烟台 264005)
摘要 ：构建国际合作网络结构通过知识扩散影响科学会聚的理论模型，并运用社会网络分析法和科学计量分析法进行定量研究。在合作网络结构层面，考虑多层网络结构对知识扩散的影响，即个体网络的中心性和整体网络的密度。以全球各国1992—2016年间在物理储能、化学储能、电磁储能3大领域发表的SCI-E论文数据为样本，通过Spearman相关分析对理论模型的相关性进行验证。结果表明,在国际合作网络中,高中心性的国家更易成为新知识的早期采纳者，从而促进知识扩散；整体网络密度与知识扩散显著正相关关系；知识扩散促进科学会聚的形成；储能领域的科学研究相对集中，形成以“化学”“材料科学”“能源燃料”“物理学”为中心的学科共现网络。
关键词 ：中心性；网络密度；知识扩散；科学会聚
1研究背景及文献综述
会聚(Convergence)是指科学、技术和产业在不同分支间的转移和融合[1]，包括科学会聚、技术会聚、市场会聚和产业会聚[2]。本文对科学会聚开展研究，主要因为科学会聚是会聚的最始端，相对于其他会聚而言更趋于成熟，有利于整体上把握科学会聚的趋势。
科学会聚发展理论认为，科学要想取得新的突破需要不断交叉、融合发展[3]。栾春娟等[4]在此基础上将科学会聚定义为科学发展过程中的知识交叉与融合，体现在科学研究成果中会聚多个领域的科学知识。而“学科”作为科学知识分支体系的研究对象[5]，为测量科学知识的交叉与融合提供依据。学者总是试图通过合作将其他学科领域的科学技术、理论等知识信息融合到自己的学科领域，从而导致不同学科领域间的交叉。因此，本文从“学科”的角度对科学会聚进行测度。
科学会聚的现象存在于很多领域。例如，Fraser taylor等[6]对地图学发展历程的研究，揭示了该学科与测量学及摄影测量学等多个学科之间的联系。孙孟新等[7]发现全球“气候”主题文献的学科研究主要包括自然科学、社会科学和人文科学等。关于科学会聚产生的驱动力，研究表明：知识扩散已成为科学会聚的主要驱动力[8]，为更好地研究不同领域间科学知识的交叉与融合提供了依据。
知识扩散是知识在个体、组织或国家间传播的过程，是知识转移过程和知识吸收过程的有机统一[9]。随着信息网络时代的发展，网络已成为知识扩散的主要形式，网络中个体实现了跨越地理位置的交流与合作[10]。因此，知识通过网络主体间的连接达到迅速传播的效果。同时，知识扩散又受其所在网络环境的影响。如，基于强连接关系的聚集网络更有利于知识的转移[11]。网络密度对知识扩散具有促进作用[2]。因此，本文认为合作网络、知识扩散与科学会聚三者之间存在一定的逻辑关系。
通过梳理已有文献，我们发现网络环境对知识扩散影响的研究主要集中在网络结构方面。Kim等[12]研究发现小世界网络对知识扩散的影响最显著。Chen等[13]指出在高密度网络中，节点间的连接越多，知识的联通性越强，网络中的个体就拥有更多接触、学习其他个体知识资源的机会。Tsai[14]的研究表明处于网络中心位置的个体更易获得战略性资源，并以组织内部的合作网络为例研究了网络位置对知识扩散的影响。高霞等[15]构建了基于科学知识扩散的个体网络模型，从微观层面研究网络中个体的知识扩散行为。
目前，设施园艺景观大多以休闲农业为主要载体，在景观内容初具规模后，再不断发掘设施园艺景观所具有的深层次功能，以科学合理的设计理念将设施园艺景观的设计内容展示出来。在目前农业旅游的大背景下，优秀的设计理念会涉及到观光游玩、娱乐放松、健康休闲、体验乐趣、感悟生活等方面，设计师可以围绕这5个大主题进行一些设施园艺景观的设计，将景观的价值和功能体现出来[2]。
现有科学会聚的研究主要集中在对跨学科程度的测量、科学会聚的趋势分析等。Porter等[16]以医药、数学等6大领域为例，研究随着时间推移各领域知识交叉的规律。栾春娟等[4]对学科的数量变化与科学会聚趋势之间的关系进行相关性分析，结果表明，二者存在高度的正相关。Nystroem等[8]的研究表明在很多科学会聚的案例中，知识扩散起着至关重要的作用，进而成为科学会聚的中心推动力。但目前针对知识扩散对科学会聚影响的研究还较少。
以100客位的 Arsterwasser号的功率需求为参考进行计算，该船舶1 h的功率需求如图1所示[5]。
借助Sci2 Tool 软件分别构建3大储能领域五期的国际合作网络。为了展示网络的演化过程，我们给出了电磁储能领域在1992—1996和2012—2016年间两期的合作网络图，如图2和图3所示，其中，为了较清楚的展现国家/地区间的合作关系，根据边的连接强度对2012—2016年间的合作网络进行了缩减。表2给出了各储能领域每期国际科学合作网络的结构特征。
图 1理论模型
2数据及研究方法
2.1 数据来源
储能技术已成为我国“十三五”战略新兴产业发展规划中的重要部分[17]。加快储能技术的应用对推进我国能源变革和能源结构调整起着至关重要的作用[18]。储能产业在2016年经历了快速发展阶段，大力推动储能产业的商业化应用，将对我国未来能源发展创造更大的价值。鉴于此，本文以物理储能、化学储能和电磁储能作为样本数据，以期发现各领域的科学会聚状况。
公单98玉米杂交种以RYL32为母本，R8H8-4为父本，杂交方法选育而成。该品种2016年通过黑龙江省审定，品种审定编号：黑审玉2016020，适宜黑龙江省第二积温带上限种植。
2.2.3 知识扩散
表 1三大储能领域的论文检索词
表1(续)
2.2 研究方法
首先，基于国家/地区间的合作关系，借助Sci2 Tool 软件，以5年为时间窗，构建各领域五期的国际合作网络，以各期网络结构指标描述网络结构变化特征；其次，测量各表征变量，包括度中心性、年度网络密度、年度国家数量和年度学科会聚指数；再者，根据汤森路透(Thomson Reuters)公司提供的学科分类标准[20]，即web of science categories，简称WC，基于学科分类码的共现关系构建各储能领域五期的学科共现网络；最后，对各表征变量进行Spearman相关检验。具体表征变量的测度如下：
除了断裂构造外，区域性的构造特征，在一定程度上也与不同类型矿床的产出有一定的关联，如细脉浸染状矿床常分布于地壳的隆起地区。金堆城矿区位于秦岭褶皱带的隆起区，中条山脉位于中条隆起带的边缘；河南栾川南泥湖巨型矿田位于华北地台南缘-秦岭褶皱带的北缘的隆起区；山西繁峙钼矿区位于五台隆起带的边缘；吉林前撮落矿区位于华北地台北缘；其他如江南台背斜的隆起区有铜厂等大型细脉浸染状铜钼矿床。而矽卡岩型矿床则分布于凹陷地区，如杨家杖子钼矿床位于燕辽凹陷区；瑶岗仙矿区位于资郴凹陷区；安徽铜陵铜官山铜山口等铜钼矿区位于长江中下游凹陷区，其他如秦岭南部的凹陷区也有矽卡岩矿床的分布[10]。
度中心性测量了与某一国家直接相连的其他国家的数量，能够反映出某一国家在网络中的中心性。如果某一国家的度中心性越高，表明该国家有更多的机会接触到外部其他国家，从而有益于获取新的技术、知识等信息资源并加速知识的扩散。计算公式为：
(1)
其中，当国家/地区i 和j 有合作关系时X ij =1；没有合作关系时X ij =0，j =1,2,3,…,n ；n 为网络中国家/地区的总数。
2.2.2 网络密度
表1列出了多辆车现场称重数据，并计算出了上述三辆车在称重过程中的调平指导参数(见表2)，计算结果证明了理论的正确性。第一辆车调平时发现只调高度调整阀不能够调平，然后在后转向架加设垫片才将车辆调平；第二辆车由于不能只通过调节高度调整阀调平，因此通过在前后转向架上加设垫片，才调平了车辆；为了验证理论的正确性，对于不能只通过调高度调整阀调平的第三辆车进行重心调节，通过调节车体上的配重块，将车体重心向中心移动，当高度调整阀调平条件满足时，再调节高度调整阀，结果证明此时确实不需在轴箱弹簧处加设垫片便能调平。由表1和表2可知：
网络密度是指网络中国家之间实际连结的数目与它们之间可能存在的最大连结数目的比值。网络密度越大，一方面可以增强国家间的连结，另一方面也可以弥补合作国之间地理位置的不足，从而使国家间知识转移的效率更高[21]。计算公式为：
(2)
其中，L i 表示网络中与国家/地区i 实际连结的节点数；g 表示网络中国家/地区的总数。
本文采用的3大储能领域的论文数据是来自Web of Science的SCI-E文献数据库。在检索策略的选择方面，我们使用复合词检索方法。参考已有储能文献检索词[19]，并在此基础上补充和完善，最终确定储能文献检索词如表1所示。我们于2017年3月15日对3大储能领域的论文数据进行检索，经过彻底的数据清洗，共获得1992—2016年间物理储能论文18 269篇，化学储能论文11 385篇，电磁储能论文8079篇。
定义 2.3 设{Xt;R+}是L2(Γ;η)中稠定线性算子族,对于∀R+,若存在L2(Γ;η)上稠定线性算子Yt，满足
在国际合作网络中，随着网络规模的不断扩大，在位者与新进入者之间的合作机会也越来越多。通过国家间的合作与交流，知识不断从一个国家转移到另一个国家，从而加快知识扩散。因此，本文将知识扩散定义为网络外部的国家/地区通过与在位者的合作进入该网络，从而增加网络中国家/地区数量的过程。基于该定义，我们用一定时期内网络中的国家数量对知识扩散进行测度。
2.2.4 科学会聚
科学会聚直接表现在一项研究成果中尽可能多的会聚不同领域的科学知识，而学科的交叉与融合体现了科学会聚的发展过程[4]。因此，本文使用“学科会聚指数”分别对3大储能领域的科学会聚进行测度[4]。计算公式为：
(3)
其中，CI 为学科会聚指数；n 为某年度总论文包含的学科分类码的数量；r i 为该年学科i 涉及的论文数量；S 为该年度发表的论文总数量。
②股权激励个人所得税分期缴纳。企业在以股份或出资比例给予内部该段人才和紧缺型人才奖励时，可对照中关村的做法实行分期缴纳个人所得税的政策。
3数据分析与结果
3.1 跨国家/地区的科学合作网络
基于以上讨论，关于网络结构、知识扩散和科学会聚的研究主要集中在两方面：网络结构对知识扩散的影响；知识扩散推动科学会聚的形成。尚未发现国内学者以知识扩散为桥梁，研究网络结构特征对科学会聚的影响。因此，本文尝试把知识扩散作为网络结构对科学会聚的影响路径，以求打开二者的关系“黑箱”。此外，已有网络结构对知识扩散影响的研究更多是从单一网络层面考虑，即仅从整体网络结构或个体网络结构层面研究。为此，我们在国际科学合作网络背景下考虑了多层网络结构对知识扩散的影响，即个体网络中心性和整体网络密度。之后，运用Sci2 Tool及Pajek软件，分期构建各储能领域国家间的合作网络和学科间的共现网络并进行网络指标的计算。同时，使用Excel进行数据统计。最后，通过stata12.0对本文提出的理论模型(图1)进行Spearman相关分析。
“支架”是教师和学习者共同活动的过程，教师和学习者都为主体。只有教师和学习者都积极参与互动，才能促进学习者从在教师的指导下完成任务转变为独立完成任务，提高自己的自主学习能力。教师“支架”是否能起到预期的作用受到教师和学习者相关因素的影响。
由表2可知，不断有新的国家/地区参与到3大储能领域的科学研究中，从而带动知识的转移；国际科学合作网络的边数快速增加，尤其在后两期网络中，说明国家/地区间发生的合作次数迅速扩增；孤立点的不断减少，说明越来越多的国家/地区参与到科学合作研究中；3大储能领域平均度中心性也在不断增大，说明国家/地区间的平均合作次数越来越多。从网络可视化的结果可知，电磁储能领域在第一期合作网络中，日本、美国占据中心位置；第五期主要形成了以美国、中国(不包括港澳台地区)和德国为中心的合作网络。
2.2.1 度中心性
表 2三大储能领域分阶段国际合作网络特征
图 2电磁储能领域国家合作网络 (1992—1996)
图 3电磁储能领域国家合作网络 (2012—2016，合作频次 >2)
3.2 学科会聚共现网络
表3给出了各储能领域五期学科共现网络的网络指标及主要学科类别。图4和图5展示了电磁储能领域在1992—1996和2012—2016年间两期的共现网络图。其中，根据边的连接强度对2012—2016年间的学科共现网络进行了缩减。可知，在电磁储能领域的研究初期(1992—1996)，“物理学”占据学科共现网络的中心；2012—2016年间，“材料科学”“化学”占据主要中心位置。
恩施州旅游业发展的金融支持措施，应从政府层面、金融机构层面和旅游企业层面统筹协调，精准发力，如此才能形成金融支持恩施州旅游业发展的合力。
表 3三大储能领域分阶段学科共现网络的学科数量 和主要学科类别
注：主要共现学科类别依据节点度的大小提取
图 4电磁储能领域学科共现网络 (1992—1996)
图 5电磁储能领域学科共现网络 (2012—2016，共现频次 >2)
由表3可知，3大储能领域会聚的学科数量逐渐增加，尤其在物理储能领域，说明各国对储能领域的科学研究愈加广泛。各期主要共现学科类别表明，对3大储能领域的科学研究相对集中，最终形成了以“化学”“材料科学”“能源燃料”和“物理学”为中心的学科共现网络。
3.3 相关性分析
3.3.1 中心性与知识扩散的关系分析
因中心性是个体网络层面的指标，本文分别提取了在整个研究时期内3大储能领域度中心性前50个国家，并检索到这些国家首次进入合作网络的年份。如图6所示，各储能领域度中心性越高的国家其首次进入合作网络的年份越早。为测度中心性与知识扩散的相关性，我们用研究时期的末年，即2016年扣除各国首次进入合作网络的年份表征知识扩散。差值越大说明个体进入合作网络的时间越早，从而成为知识的早期采纳者。限于篇幅，我们只列示了前10个国家，如表4所示。可知，3大储能领域度中心性最高的国家始终是美国，其次是一些欧洲国家；中国(不包括港澳台地区)在3大储能领域均位居前10，尤其在电磁储能领域仅次于美国。
表 4三大储能领域度中心性前 10个国家及首次参与国际合作的年份 (1992—2016)
注：首参年即首次参与国际科学合作的年份
图 6三大储能领域中心性与首参年关系分析
如表5所示，3大储能领域度中心性与知识扩散的Spearman相关系数表明二者具有显著的正相关关系。相关系数为：物理储能领域R =0.564，P =0.000；化学储能领域R =0.625，P =0.000；电磁储能领域R =0.673，P =0.000。相关系数的大小表明，在电磁储能领域中心性对知识扩散的影响最大。
3.3.2 网络密度与知识扩散的关系分析
如图7所示，随着3大储能领域年度整体网络密度的增加，国家数量随之增加。为进一步说明二者之间的相关性，本文计算了Spearman相关系数，其结果(表5)说明网络密度与知识扩散具有较强的正相关关系。相关系数为：物理储能领域R =0.698，P =0.000；化学储能领域R =0.833，P =0.000；电磁储能领域R =0.455，P =0.000。
3.3.3 知识扩散与科学会聚的关系分析
如图8所示，3大储能领域年度国家数量与学科会聚指数整体呈正相关关系。通过进一步计算二者之间的相关性，相关系数如表5所示。表明，知识扩散与科学会聚具有较显著的正相关关系。其中，在物理储能领域R =0.776，P =0.000；化学储能领域R =0.932，P =0.000；电磁储能领域R =0.732，P =0.000。
图 7三大储能领域网络密度与国家数量关系分析
图 8三大储能领域国家数量与学科会聚指数的关系分析
表 5各储能领域变量间的 Spearman相关系数
注：* * *代表在1%水平上显著
4研究结论及讨论
本文使用社会网络分析法和科学计量分析法，以3大储能领域论文数据为样本，对国际合作网络结构、知识扩散和科学会聚三者之间的相关关系进行验证。通过Spearman相关分析得到以下主要结论：
功能性消化不良是消化科的常见病、多发病，以上腹部疼痛，餐后有饱胀感，恶心、嗳气、反酸等为主要临床表现，亦可见腹胀、早饱、失眠、胸闷等症状[1] 。本病通过实验室检查、胃镜、钡餐检查后，均无阳性表现，故而其属于一种功能性疾病，病程多超过1个月，给广大患者的健康和生活造成不良的影响。近年来笔者采用中药内服配合艾灸法治疗功能性消化不良，取得了理想的效果，现报告如下。
第一，在国际合作网络中占据中心位置的国家更易成为新知识的早期采纳者，从而促进知识扩散。处于网络中心位置的国家一方面可以接触到更多新的知识，并有可能先于其他国家吸收和采纳，另一方面趋向于具有较高的声誉，更易吸引其他国家与其合作。因此，合作网络中具有高中心性的国家更易驱动知识扩散。
第二，整体网络密度与知识扩散具有显著的正相关关系。合作网络作为知识信息传播的载体，使网络中的个体不仅建立了彼此之间的信任关系，而且通过研究人员之间的交流与沟通，促使知识信息从一个国家转移到另一个国家。知识正是通过国家间的连接路径，实现空间位置的转移。
第三，知识扩散作为科学会聚的主要驱动力在科学的交叉与融合过程中起着至关重要的作用。研究人员通过合作将获得的外部信息与其自身知识相融合或在原有的基础上对其进一步加工处理，从而使不同领域间的科学知识产生会聚或创造出新学科知识。
参考文献 ：
[1]CURRAN C S. Anticipating convergence industries using publicly available data[J]. Technological Forecasting & Social Change, 2010, 77(3): 385-395.
[2] JEONG D H, CHO K, PARK S, et al. Effects of knowledge diffusion on international joint research and science convergence: multiple case studies in the fields of lithium-ion battery, fuel cell and wind power[J]. Technological Forecasting & Social Change, 2016(108): 15-27.
[3] ROCO M C, BAINBRIDGE W S. Converging technologies for improving human performance: integrating from the nanoscale[J]. Journal of Nanoparticle Research, 2002, 4(4): 281-295.
[4] 栾春娟, 黄福, 覃雪. 学科数量变化与科学会聚趋势的相关性分析：基于1900—2014年间的SCI-E与SSCI论文数据[J]. 技术与创新管理, 2016, 37(1): 19-22.
[5] 王续琨, 宋刚. 交叉科学结构论[M]. 北京: 人民出版社, 2015.
[6]FRASER T D R,王建华, 邸香平. 地理学、地理信息系统和现代地图科学:会聚还是分离？[J]. 地图, 1997(2): 1-6.
[7] 孙孟新, 栾春娟. 会聚科学的测度及启示[J]. 科技导报, 2013, 31(21): 64-68.
[8] NYSTRÖEM A, HACKLIN F. Operation value creation through technological convergence: the case of VoIP[C]//International Telecommunications Society. 16th European Regional Conference: 2005. Porto：International Telecommunications Society, 2005: 4-6.
[9] 巴志超, 李纲, 朱世伟. 科研合作网络的知识扩散机理研究[J]. 中国图书馆学报, 2016, 42(5): 68-84.
[10] 王鹏, 张淑贤. 基于社会网络分析的产学研合作网络知识溢出效应研究[J]. 科技管理研究, 2016, 36(3): 130-140.
[11] TORTORIELLO M, REAGANS R, MCEVILY B. Bridging the knowledge gap: the influence of strong ties, network cohesion, and network range on the transfer of knowledge between organizational units[J]. Organization Science, 2012, 4(23): 1024-1039.
[12] KIM H, PARK, Y. Structural effects of R&D collaboration network on knowledge diffusion performance[J]. Expert Systems with Applications, 2009, 36(5): 8986-8992.
[13] CHEN Z, GUAN J. The impact of small world on innovation: an empirical study of 16 countries[J]. Journal of Informetrics, 2010, 4(1): 97-106.
[14] TSAI W. Knowledge transfer in intraorganizational networks: effects of network position and absorptive capacity on business unit innovation and performance[J]. Academy of Management Journal, 2001, 44(5): 996-1004.
[15] 高霞, 陈凯华, 官建成. 科学知识扩散的网络模型[J]. 研究与发展管理, 2013, 25(2): 46-53.
[16] PORTER A L, RAFOS I. Is science becoming more interdisciplinary? measuring and mapping six research fields over time [J]. Scientometrics, 2009, 81(3): 719-745.
[17] 北极星储能网. 储能、电动汽车、动力电池等上升为十三五“国家战略”[EB/OL]. (2016-12-30)[2018-02-21]. http://chuneng.bjx.com.cn/special/?id=798004
[18] 中国储能网. 储能产业发展现状与展望[EB/OL]. (2017-01-18)[2018-02-21]. http://www.escn.com.cn/news/show-388255.html.
[19] 刘娜, 孙静林, 毛荐其. 储能技术研究景观辨识及演化探析[J]. 科学学与科学技术管理, 2017, 38(4): 138-147.
[20] LEYDESDORFF L, CARLEY S, RAFOLS I. Global maps of science based on the new Web-of-Science categories [J]. Scientometrics, 2013, 94(2): 589-593.
[21] 赵炎, 王琦, 郑向杰. 网络邻近性、地理邻近性对知识转移绩效的影响[J]. 科研管理, 2016, 37(1): 129-134.
Analysis of the Impact of International Collaborative Networks on Scientific Convergence
Mao Jianqi, Rong Xueyun, Liu Na
(School of Business Administration, Shandong Technology and Business University, Yantai 264005, China)
Abstract :In this paper, a theoretical model of the influence of international collaborative network structure on scientific convergence through knowledge diffusion is constructed, and the quantitative study is carried out by using social network analysis and scientific econometric analysis. In the collaborative network structure level, this paper takes the impact of multi-layer network structure on knowledge diffusion into consideration, that is, the centrality of the individual network and the density of the entire network. Based on the data of SCI-E published in the fields of physical, chemical and electromagnetic energy storage in the world from 1992 to 2016, the correlation of the theoretical model is verified by Spearman correlation analysis.The results show that countries with higher centrality in international collaborative networks are more likely to be early adopters of new knowledge, which can promote the diffusion of knowledge; entire network density has a significantly positive correlation on knowledge diffusion; knowledge diffusion exerts a positive effect on the formation of scientific convergence. The empirical study indicates that the scientific research in energy storage is relatively concentrated, forming a scientific co-occurrence network centered on chemistry, material science, energy fuel and physics.
Key words :centrality; network density; knowledge diffusion; science convergence
收稿日期 ：2018-05-02，修回日期：2018-08-14
基金项目 ：国家自然科学基金面上项目“技术会聚涌现机理、演变过程与测度”(71672103)；研究生科研创新基金项目“储能领域科技会聚测度及辨识研究”(2017yc1202007)
doi： 10.3969/j.issn.1000-7695.2019.06.036
中图分类号 ：F062.4
文献标志码： A
文章编号 ：1000-7695(2019)06-0255-07
作者简介 ：毛荐其(1963—)，通信作者，男，安徽桐城人，博士，教授，主要研究方向为技术与创新管理；荣雪云(1991—)，女，山东菏泽人，硕士研究生，主要研究方向为技术创新；刘娜(1985—)，女，山东菏泽人，博士，讲师，主要研究方向为技术创新计量。
标签：中心性论文; 网络密度论文; 知识扩散论文; 科学会聚论文; 山东工商学院工商管理学院论文;