我国世界一流大学建设高校间科研合作网络及演化研究

赵蓉英 王旭 亓永康

摘要：[目的/意义]对我国世界一流大学建设高校科研合作网络的结构特征、内部关系、演化规律及演化原因进行研究，可为我国世界一流大学建设提供参考。[方法/过程]基于42所高校历年（2013-2017）在WoS合著论文数据，构建历年科研合作频次矩阵、Salton指数矩阵。采用相关性分析法、社会网络分析法，借助可视化软件，以整体网络、个体网络和局部网络演化3个视角，分别从合作率、相关性、网络密度、点度中心性、中间中心性和网络聚类及网络演化原因等对高校科研合作关系网络结构特征、合作强度及演化规律进行揭示与分析。[结果/结论]高校在国际期刊发文总数、合作发文总数及合作率总体都呈上升趋势;高校科研合作程度、对科研资源占有或控制程度都与科研产出存在较强的正相关关系;科研合作更注重强强联合、优势互补，核心网络规模逐渐扩大，各高校向网络中心聚集的趋势不断增强，单一高校对于整体合作网络的控制度和影响力以及不可或缺性不断降低;高等教育的发展、基金支持力度、最小省力法则、马太效应原理、强学科性术业专攻是高校科研合作网络演化产生的主要原因;最后对高校科研合作提出建议。

关键词：世界一流大学;WoS;高校;科研合作网络;网络演化;社会网络分析;相关性分析

DOI：10.3969/j.issn.1008-0821.2019.03.015

〔中图分类号〕G30〔文献标识码〕A〔文章编号〕1008-0821（2019）03-0132-12

党的十九大确立了习近平新时代中国特色社会主义思想，提出了建设教育强国是中华民族伟大复兴的基础工程，必须把教育事业放在优先位置，加快一流大学和一流学科建设，实现高等教育内涵式发展。建设世界一流大学和一流学科，是党中央、国务院做出的重大战略决策，是新时代高等教育的标志性、引领性工程。十九大报告中响亮的教育号令，为新时代中国高等教育发展勾画了宏伟蓝图。21世纪以来，科技全球化的深度和广度不断加强，科学正在走向全球，成为“全球化的科学”。世界范围内的知识流动日益频繁，科研合作成为大势所趋[1]。当前的科学研究已经从个人、机构和国家进入合作时代[2]。合作已成为前沿科学发现的主导力量，催生了众多高质量的科研成果[3]。从目前的研究状况来看，国内外学者从不同维度、不同层面对科研合作现象进行了深入研究。学者们从专利合作[4]、论文合著[5]、项目合作研发[6]等视角来研究个人[7]、组织[8]、地区[9]、国家[10]及全球[11]科研合作网络的拓扑结构[12]、空间格局[13]、演化过程[14]和影响因素[15]等方面。但在国内，直接关于42所世界一流大学建设高校间科研合作网络及其演化的定量研究尚不多见。本文基于我国42所世界一流大学建设高校历年（2013-2017）在WoS合著论文数据，构建历年科研合作网络，试图以整体网络演化、个体网络演化和局部网络演化3个视角，揭示科研合作网络演化的结构特征、内部关系、演化规律及演化原因，并对高校间进行科研合作提出有针对性的建议。

1数据来源与研究方法

1.1数据来源与处理

高校间进行科研合作研究的方式多样，本文选择高校间合作发表论文进行协同创新关系分析，是由于发表学术论文是各高校科研活动中最基本的创新产出。本文以我国42所世界一流大学建设高校为计量单位，以WoS核心合集数据库为数据获取平台，分别选择2013-2017年5个时间段，并以42所高校英文名称两两结合进行“并含”逻辑检索，共计进行4 410次交叉检索，检索时间：2018年7月13日。本文所获取的数据对于高校合作论文署名顺序不做区别，只要两所高校在同一篇文章合作单位信息同时出现，就认为产生一次合作。根据检索结果，统计得到近5年我国世界一流大学建设高校发表论文数量（见图1）。由图1可知，近5年各高校在国际上发表论文数量前5位依次是上海交通大学（43 796篇）、浙江大学（42 191篇）、清华大学（39 389篇）、北京大学（37 702篇）。同时笔者构建历年来世界一流大学建设高校42×42的6个时间段科研合作频次矩阵（由于篇幅有限，合作频次矩阵未列出;在WOS数据库中，以该数据库规定的高校英文名称进行检索，因此在高校叫法上可能会与通常英文译名有所差别）。

由于各高校发文数量相差甚大，如果单纯地考虑高校间论文合著数量，会导致结果出现较大偏差。为了消除论文规模对合作频次的影响，使用Salton指数作为衡量大学间科研合作强度的指标，该指数计算公式为[16]：

1.2研究方法

以往的科研合作分析通常采用统计分析方法，通常意义上不能用来分析关系数据，而社会网络分析方法的优势在于分析关系数据。“作为一种新的社会科学研究范式，对各类社会关系进行量化研究，社会网络分析以其拥有独特的本体论、认识论和方法论，用处极大，并有力地扩展了社会结构研究”[17]。本文结合相关性分析方法，主要利用社会网络分析方法，借助UCINET、Netdraw、VOSviewer、SPSS等软件，以整体网络演化、个体网络演化和局部网络演化3个视角，分别从合作率、相关性、网络密度、点度中心性、中间中心性和网络聚类等几个方面对高校在国际上历年科研合作关系网络结构特征、合作强度及演化规律进行揭示与分析。

2整体网络及其演化分析

图2描述了2013-2017年我国42所世界一流大学建设高校发表论文总数、合作发表论文总数及合作率随年度的变化，论文总数、论文合作数及合作率（论文合作率是用合作发表论文总数除以发表论文总数）都明显呈现上升趋势。一方面说明近5年42所高校在国际上发文呈增长态势，另一方面反映了高校在国际上发文越来越重视相互合作，合作发文也呈增长态势，高校间科研合作网络存在明显的强强联合，合作共赢的网络演化态势。

通过测度42所高校科研合作网络结构特征指标，分析了解合作网络的演化状况。如表2所示，近5年来网络的基本特征有明显的差异，网络密度、点度中心性逐年（均值）增大，整体上說明高校间联系的紧密程度不断加大，各高校在科研合作网络中的影响力呈上升趋势且合作关系持续增加;中间中心性（均值）、接近中心性（均值）逐年减小，整体上说明合作网络混沌程度逐渐降低，高校间相互占有资源的能力增强，核心网络规模逐渐扩大，各高校向网络中心聚集的趋势不断增强，同时合作网络中单一高校对于整体合作网络的控制度和影响力在下降，单一机构参与合作的不可或缺性也在下降。

3个体网络及其演化分析

3.1点度中心性

点度中心性描述的是高校间直接交互、联系的能力，测量成员本身的交流能力。点度中心性越高，表明科研合作能力越强，该高校越接近科研合作网络的中心。计算公式为[18]：

CD（ni）=∑jXij（2）

其中，Xij是0或1的数值，代表成员j是否与成员i是否有关系，n是整体网络中的节点数。为了更好地揭示科研合作个体网络的结构特征、合作强度及演化规律，笔者将历年Salton指数网络阈值调整至平均值，同时，运用Netdraw软件绘制历年点度中心性科研合作演化网络，由于篇幅有限，只显示2017年的网络图（见图3）。42所世界一流大学建设高校历年科研合作网络点度中心性进行演化分析结果如表3所示。

网络中节点越大表示节点越重要，连线越粗表示节点间合作次数越多。分析可知，从纵向看，5年来排在同一位次的高校，其点度中心性逐年增大，进一步说明42所高校在向国际期刊发表论文时合作程度逐渐增强。从横向看，5年来北京大学、上海交通大学、清华大学、中山大学、南京大学、山东大学、复旦大学、中国科学技术大学的点度中心性总是占据前8位次，在向国际期刊发表科研论文时，他们始终是最重视合作的节点，最具有权威性，掌控和影响着整个网络。从整体看，历年来点度中心性位居TOP15的高校拥有大量的科研资源，重视高校间的科研合作，具有较高的科研实力和科研影响力，不仅促进了知识扩散、知识共享和知识创新，而且提高了整个科研合作网络效率，推动世界一流大学建设的内涵式发展。

此外，笔者以42所高校2013-2017年5个时间段的发文数作为科研产出的指标，以各时间段每所高校的点度中心性作为表征科研合作投入（合作程度）的指标。笔者对从WoS得到的5组数据，利用SPSS进行Spearman相關性分析（见表4）。分析可知，从2013-2017年5个时间段的相关系数分别为0.797、0.828、0.798、0.805和0.768，说明5年来点度中心性（科研合作投入或合作程度）与发文量（科研产出）这两个指标之间一直都存在着显著的正相关。历年P值都为0，即P<0.01，说明统计结果具有显著的统计意义。基于此可得出，在国际期刊发表论文时，5年来42所高校的科研合作程度与科研产出始终存在着较强的正相关关系，即高校的点度中心性越高（科研合作投入或科研合作程度越高），其科研产出也越大。

3.2中间中心性

中间中心度是测量节点对资源的控制程度，起到沟通其他节点的桥梁作用。高校中间中心度越高，表明该高校掌握的信息和科研资源越多，在科研合作网络中对其它高校的影响力也就越强。中间中心度的表达式为[18]：

CB=∑j

其中，gjk为点j和k间存在的最短线数目，gjk（ni）是包含ni个gjk节点。运用Ucinet软件，运用Ucinet软件，对42所高校历年科研合作网络中间中心性进行演化分析（见表5），并绘制历年中间中心性科研合作演化网络，由于篇幅有限，只显示2017年的网络图（见图4）。

分析可知，从纵向来看，5年来排在同一位次的高校，其中间中心性逐年减小，进一步说明核心网络规模逐渐扩大，各高校向网络中心聚集的趋势不断增强，同时表明42所高校在国际期刊发表论文形成的合作网络中，单一高校对于整体合作网络的控制度和影响力与单一机构参与合作的不可或缺性都向降低趋势演变。从横向来看，5年来北京大学、清华大学、上海交通大学、吉林大学、武汉大学的中间中心性总是排在前列，是其他高校进行科研合作的重点选择对象，影响着其他高校进行科研合作的对象选取。从整体上来看，历年来中间中心性位居TOP10的高校在学科多样性、科研资源积累、交叉性综合发展等方面具有突出优势，是42所高校科研合作的中坚力量，在高校合作网络中起到了桥梁作用，推动着科研合作整体局面的发展。

此外，笔者以42所高校2013-2017年5个时间段各自的发文数作为科研产出的指标，以各时间段每所高校的中间中心性作为表征对科研资源占有或控制程度（对其他高校影响程度）的指标。笔者对从WoS得到的5组数据，利用SPSS进行Spearman相关性分析（见表6）。分析可知，从2013-2017年5个时间段，相关系数分别为0.527、0.808、0.708、0.570和0.529，说明5年来中间中心性（科研资源占有或控制程度、对其他高校影响程度）与发文量（科研产出）这两个指标之间也一直都存在着较强的正相关。历年P值都为0，即P<0.01，说明统计结果具有显著的统计意义。基于此，可知在国际期刊发表论文时，5年来42所高校对科研资源占有或控制程度与科研产出始终存在着较强的正相关关系，即高校的中间中心性越大（对科研资源占有或控制程度、对其他高校影响程度越大），其科研产出也越大。

4局部网络及其演化

42所世界一流大学建设高校科研合作网络节点众多、结构复杂，为了解网络内部结构关系，运用Vosviewer软件绘制了42所高校历年科研合作的聚类网络（篇幅有限，仅列出2017年，见图5）。图中节点不同颜色代表不同的子群体，相同颜色的节点表示属于同一聚类群体。5年来42所高校在WoS的科研合作演化网络主要形成6个聚类。聚类1：天津大学、南开大学等;聚类2：北京大学、清华大学、北京师范大学、北京理工大学、吉林大学、哈尔滨工业大学、大连理工大学等。聚类3：兰州大学、新疆大学、西安交通大学、西北工业大学等;聚类4：复旦大学、上海交通大学、同济大学、华东师范大学、浙江大学、厦门大学、云南大学;聚类5：山东大学、南京大学、东南大学、中山大学、华南理工学、电子科技大学等;聚类6：湖南大学、国防科技大学、华中师范大学、郑州大学、武汉大学、四川大学、重庆大学等。另外，各子聚类均存在着核心节点，同时各子群体内部、外部之间的联系都较为密切。可以发现，42所高校进行科研合作具有强地域性、强学科性的特征。然而，随着互联网和通信网络的普及性和交通的不断便捷，在一定程度上已经打破了地域限制，强地域性影响因素逐渐弱化。诸如在上述6个子聚类群体中，部分节点处于同一子聚类团体中，但他们并不与其他高校处于同一地区。他们之间的科研合作更注重强强联合、优势互补，并逐渐向跨地域、跨领域、跨团队、跨组织、跨学科的协同创新合作演变。

5合作网络演化原因

5.1高等教育发展的需求

《国家中长期教育改革和发展纲要》（2010-2020年）中提出，加强学校之间、校企之间、学校与科研机构之间合作以及中外合作等多种联合培

养方式，形成体系开放、机制灵活、渠道互通、选择多样的人才培养体制[19]，为高校校际合作进一步开展提供了有力保障。“双一流”建设背景下，我国开启了高等教育强国建设的新征程。高校面对国际化发展、创新能力提高、专业学科结构调整等的挑战，且因高校本身人力资源、物力资源及无形资源有限，为了在高等教育界占有一席之地，他们需要联手合作来应对日益激烈的竞争。从而缓解高校对资源的需求压力，发挥办学特色、增强竞争力、开阔教育场域、拓宽人才培养空间。

5.2基金项目支持

42所高校在国际期刊发表论文大都有诸如国际基金、国家/部级基金、地方/机构基金等项目的支持。由于受基金支撑的项目本身科研难度较大，因此基金支持项目重视并鼓励高校间多人合作、扩大合作规模。同时，基金数量越多，合著论文数量也就越多，在一定程度上促进了高校间的科研合作[20]。

5.3最小省力法则（地域性）

1948年齐普夫在专著《人类行为与最省力法则——人类生态学引论》中对“最省力法则”作了精辟论述：在各种人为选择中，人们总是会自觉或不自觉地以最小努力方式来解决面临的问题，确保利益最大化[21]。高校间的科研合作，在一定程度上仍会受到高校空间距离的影响，地理邻近能够以较低的交易成本实现科研合作演化网络的知识交流、知识传播与知识互动。同时，邻近地域内往往具有更紧密的社会联结，利于高校科研合作信任的建立和经常性、重复性的面对面交流，这为科研合作网络中極具“粘性”的隐性知识转移提供了必要条件。因此，历年来高校遵循最小省力法则，基于地理邻近的优势，促进了其科研合作网络中知识（尤其是本地化知识和隐性知识）的产生、转移、扩散、共享与创新[22-23]。

5.4马太效应原理

1968年，罗伯特·莫顿提出“马太效应”这一术语：相对于那些不知名的研究者，声名显赫的科学家通常得到更多的声望。同样地，在科研合作中，任何高校在某一个方面（如社会名誉、学术影响力、人才培养、社会服务等）获得成功和进步，就会产生一种积累优势，会有更多的高校想与其进行科研合作，从而取得更大的成功和进步，这也是所谓的“明星效应”[24]。如上文分析中，历年来点度中心性、中间中心性排名始终位于前列的北京大学、上海交通大学、清华大学、中山大学、南京大学等明星节点，他们（核心机构）始终是其他机构进行合作的首选，使得强者愈强。而排名靠后的高校（边缘高校），与其进行合作的其他高校却相对较少，使得弱者越弱，此结果印证了“马太效应”。

5.5强学科性术业专攻

“十二五”期间，国家颁布并实施的《国家“十二五”科学和技术发展规划》极大地促进了科研工作者在各学科领域的合作与交流活动。我国42所世界一流大学建设高校都拥有若干一流学科、学科专长领域或是某些领域的佼佼者。在科学研究中，他们选择“强强联合”、“集众家之所长”的科研合作模式，极为有利地促进了跨区域高校专业化和互补性知识的交流，是高校进行知识创新、科研创造的重要途径。

6结论与建议

6.1结论

本文基于我国42所世界一流大学建设高校历年（2013-2017）在WoS合著论文数据，构建了42所高校历年科研合作频次矩阵、Salton指数矩阵。然后结合社会网络分析方法、多元统计分析方法，借助软件以整体网络演化、个体网络演化和局部网络演化3个视角，分别从合作率、相关性、网络密度、点度中心性、中间中心性和网络聚类及网络演化原因等几个方面对高校在国际上历年科研合作关系网络结构特征、合作强度及演化规律进行揭示与分析，主要得出如下几个方面的结论：

1）对WoS科研合作整体网络及其演化分析，笔者发现42所高校在2013-2017年间发表论文总数、合作发表论文总数及合作率总体都明显呈上升趋势，高校在国际上发文越来越重视合作。同时近5年合作网络的结构特征指标均有显著变化，表明各高校在科研合作网络中的影响力呈上升趋势且合作关系持续增加，高校间联系日趋紧密;核心网络规模逐渐扩大，高校间相互占有资源的能力增强，单一高校对整体合作网络的控制度和影响力在下降。

2）对WoS科研合作演化网络点度中心性分析，发现在2013-2017年间，各年度点度中心性排名第1位的高校点度中心性逐年增大，这表明42所高校在国际期刊发表论文时合作程度逐渐增强;同时，5年间北京大学、上海交通大学、清华大学、中山大学、南京大学、山东大学、复旦大学、中国科学技术大学的点度中心性均居前8位，他们始终是最重视合作的节点，最具有权威性，掌控和影响着整个网络。从整体看，历年来点度中心性位居TOP15的高校拥有大量的科研资源，并且中心高校的科研实力和科研影响力逐年增强，在我国科研领域乃至整个高等教育体系中占有重要地位。此外，通过相关性分析发现高校科研合作程度与科研产出始终存在着较强的正相关关系，即高校的点度中心性越大（科研合作投入或科研合作程度越高），其科研产出也越大。

3）对WoS科研合作演化网络中间中心性分析，发现在2013-2017年间，一方面5年来核心网络规模逐渐扩大，各高校向网络中心聚集的趋势不断增强，单一高校对于整体合作网络的控制度和影响力以及参与合作的不可或缺性都向降低趋势演变。另一方面，5年来北京大学、清华大学、上海交通大学、吉林大学、武汉大学的中间中心性均位居前列，这5所高校掌握着大量的学术资源和信息，是其他高校进行科研合作的重点选择对象。从整体上看，历年来中间中心性位居TOP10的高校在学科多样性、科研资源积累、交叉性综合发展等方面具有突出优势，是42所高校科研合作的中坚力量。此外，通过相关性分析发现高校对科研资源占有或控制程度与科研产出始终存在着较强的正相关关系，即高校的中间中心性越大（对科研资源占有或控制程度、对其他高校影响程度越大），其科研产出也越大。

4）对WoS科研合作演化网络聚类分析，发现5年来42所高校科研合作网络主要形成了6个聚类群体，各子聚类都存在核心节点，同时各子群体内部、外部之间的联系都较为密切，具有强地域性、强学科性的特征。然而，随着互联网和通信网络的普及性和交通的不断便捷，在一定程度上已经打破了地域限制，强地域性影响因素逐渐弱化。科研合作更注重强强联合、优势互补，并逐渐向跨地域、跨领域、跨团队、跨组织、跨学科的协同创新合作演变。

5）对高校科研合作网络演化原因分析，发现社会经济的发展对我国高等教育的发展提出了更高的要求以适应时代发展的步伐，高校同样需要通过合作保持在教育竞争中的领先地位;同时42所高校取得的基金支持力度较大，得到充足科研資金也带来较高难度的科研任务，这使得高校更加重视并鼓励高校间多人合作、扩大合作规模;此外，最小省力法则与马太效应原理分别在地缘因素与实力因素方面影响了高校在科研合作中合作对象的选择;最后，42所高校均为各学科领域的佼佼者，在科研合作中选择“强强联合”、“集众家之所长”的科研合作模式，极为有利地促进了跨区域高校专业化和互补性知识的交流，是高校进行知识创新、科研创造的重要途径。

6.2建议

通过对42所世界一流大学建设高校历年科研合作网络及其演化进行研究，笔者得到以下几个方面的启示：首先，从整体科研合作网络及其演化特征来看，虽然42所高校在合作发文趋势在不断增强，但其论文合作关系仍比较弱，部分高校在网络中只有较小合作规模。政府应继续从政策和资金两方面保障高校间科研合作，同时还应重新定位科研投入方向，增加各个高校的基本研究费用，采用基本投入和重点投入相结合的方式。从而对核心高校进行重点资助的同时，也保障对于科研能力较弱高校的资助。其次，要充分发挥高中心性节点在科研合作网络中的领军作用，巩固其在网络中的学术领袖地位，增强与中心性居于中游和下游位置节点的联系。各高校应起好带头作用，提高各地区的整体科研水平，充分发挥区域中优势高校的增长极作用，带动我国总体科研水平的提升。再次，中心性较低高校即处于网络边缘的高校需发挥自身优势借鉴合作经验，拓展网络合作范围。边缘高校应充分利用强学科性、强地域性优势，寻求与其他高校的多种合作模式，快速建立合作关系，形成学术合作紧密的小团体，加强在科研合作网络中知识交流、传播、利用的能力，从而提升自身科研实力。最后，高校一方面通过建立激励机制、完善竞争合作机制来优化机构间合作的平台，遵循各展所长、优势互补、循序渐进、长久合作原则，从而增强合作的意识，达到合作共赢目的。另一方面也要通过提高科研能力，引进国际化的人才，加强国际交流，从而获得更多的国际性合作机会，产出优秀的科研成果[25]。

参考文献

[1]Maisonobe M，Grossetti M，Milard B，etal.The Global Evolution of Scientific Collaboration Networks Between Cities：Multiple Scales[J].Revue Francaise de Sociologie，2016，57（3）：417-44

[2]Adams J.Collaborations：The Fourth Age of Research[J].Nature，2013，497（7451）：557-560

[3]Adams J，Loach T.Comment：A Well-connected World[J].Nature，2015，527（7577）：S58-S59

[4]TerWal A L J.Cluster Emergence and Network Evolution：A Longitudinal Analysis of the Inventor Network in Sophia-Antipolis[J].Regional Studies，2013，47（5）：651-668.

[5]Scherngell T，Hu Y.Collaborative Knowledge Production in China：Regional Evidence from a Gravity Model Approach[J].Regional Studies，2011，45（6）：755-772.

[6]Balland P A.Proximity and the Evolution of Collaboration Networks：Evidence from Research and Development Projects Within the Global Navigation Satellite System（GNSS）Industry[J].Regional Studies，2012，46（6）：741-756

[7]Crescenzi R，Nathan M，Rodríguez-Pose A.Do Inventors Talk to Strangers？On Proximity and Collaborative Knowledge Creation[J].Research Policy，2016，45（1）：177-194

[8]潘旭伟，漆永乐，郭剑锋.组织、空间情境与科研合作网络[J].情报理论与实践，2015，38（7）：39-43

[9]邵瑞华，沙勇忠，李亮.机构合作网络与机构学术影响力的关系研究——以图书情报学科为例[J].情报科学，2017，35（3）：42-46，86.

[10]王继民，王若佳，曾兰馨，等.1996-2015年“一带一路”沿线国家科研合作网络的演化分析[J].图书情报工作，2017，61（16）：76-83

[11]Balland P A，De Vaan M，Boschma R.The Dynamics of Interfirm Networks Along the Industry Life Cycle：The Case of the Global Video Game Industry，1987-2007[J].Journal of Economic Geography，2013，13（5）：741-765

[12]Adams J.Collaborations：The Rise of Research Networks[J].Nature，2012，490（7420）：335-336

[13]劉承良，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

[14]李雨浓，王博，张永忠，等.校企专利合作网络的结构特征及其演化分析——以“985高校”为例[J].科研管理，2018，39（3）：132-140

[15]王卫，闫帅，史锐涵.作者合作网络连接影响因素分析——以图情领域为例[J].情报科学，2018，36（1）：61-66

[16]苏一凡，朱少强，谢卫红.广州地区高校间科技创新合作现状探讨——基于2012年合著论文的计量图谱分析[J].科技管理研究，2014，34（6）：90-95

[17]王旭.基于社会网络分析法的突发事件网络舆情传播研究[D].哈尔滨：黑龙江大学，2017

[18]刘军.整体网分析讲义——UCINET软件实用指南[M].上海：格致出版社，2014：129-130

[19]国家中长期教育改革和发展规划纲要[EB/OL].http：//old.moe.gov.cn/publicfiles/business/htmlfiles/moe/info_list/201407/xxgk_171904.html.，2018-04-26.

[20]贾茜，李亚婷，张斌.科学合作的形成及其影响因素[J].情报理论与实践，2014，37（6）：40-45.

[21]邱均平.信息计量学[M]武汉：武汉大学出版社，2007：112

[22]Liang L，Zhu L.Major Factors Affecting Chinas Interregionalresearch Collaboration：Regional Scientific Productivity and Geographical Proximity[J].Scientometrics，2002，55（2）：287-316.

[23]Autant-Bernard C，Fadairo M.Knowledge Diffusion and Innovation Policies Within the European Regions：Challenges Based on Recent Empirical Evidence[J].Research Policy，2013，（42）：196-210.

[24]谭春辉，吴晓风，程凡.“十五”至“十二五”期间国家科技进步奖获奖机构合作网络演化机理分析[J].现代情报，2017，37（12）：131-137.

[25]李志宏，王娜，周广刚.国内管理科学领域高校间的学术论文合著网络分析[J].研究与发展管理，2012，24（4）：71-80.

（责任编辑：陈媛）